基于本体的web信息抽取及本体的构建实现研究.doc

基于本体的web信息抽取及本体的构建实现研究
贾赛1，乔鸿2
（1．山东师范大学管理与经济学院管理科学与工程系，山东济南250014；2．山东师范大学管理与经济学院管理科学与工程系，山东济南250014）
摘要：基于本体的web信息抽取技术是一种当前热门的信息技术，对比两种基于本体的web信息抽取模型，为用户和应用程序服务；之后从本体构建的角度对他们进行微博人物信息实例分析，本体的设计与实现都是对他们的权衡指标，指导信息抽取行为。
关键字：web信息抽取；本体；抽取模型；微博
中图分类号：TP393
Ontology-BasedInformationExtractionfromWebSourcesandRealizationofOntologyConstruction
JIASai1,QIAOHong2
(1.SchoolofManagementandEconomics,ShandongNormalUniversity,JinanShandong250014,China;2.SchoolofManagementandEconomics,ShandongNormalUniversity,JinanShandong250014,China)
Abstract:Thetechnologyofontology-basedinformationextractionisoneofthecurrentpopularinformationtechnologytocontrastthetwomodelsofontology-basedinformationextractionfortheuserandapplicationservice.Thenfromtheangleofontologyconstructionwecanusetheinstanceanalysisofmicroblogpersonalinformationtobalancethedesignandrealizationofontologymethod,directactivityofinformationextraction.
Keywords:WebInformationExtraction;Ontology;ExtractionModel;MicroBlog
可以看到，在信息时代的今天，信息的增长速度已经是让我们瞠目结舌，随着web的发展，在web上的各种各样的信息也以不同的形式分布，我们该如何在这些繁多的，无结构的web信息中找到我们真正需要的，就成了我们现在急需要解决的问题；web信息抽取就是为了这个目的而存在，把web中的信息变成结构化的，更有语义的模式结构。而在web信息抽取技术中，基于本体的web信息抽取是其中一个比较重要的方向，它的实现可以帮助用户更方便地在信息海洋中找到自己需要的信息，减少应用程序的资源浪费，适合人们的需求。
1相关概念
1．1本体
本体（Ontology）的概念最初起源于哲学领域，20世纪70年代末JohnMcCarthy将这个哲学术语引入到计算机领域，在人工智能界，最早给Ontology定义的是Neches等人。他们将Ontology定义为“给出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的规定这些词汇外延的规则定义”。1993年，Gruber给出了Ontology的一个最为流行的定义[1-2]，即“Ontology是概念模型的明确规范说明”。Ontology的目标是捕获相关领域的知识，提出供该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同的层次的形式化模式上给出这些词汇(术语)和词汇间相互关系的明确定义。
1．2领域本体
领域本体(DomainOntology)，是专业性的本体，描述的是特定领域中的概念和概念之间的关系，提供了某个专业学科领域中概念的词表以及概念间的关系，或在该领域里占主导地位的理论，能够独立的存在和被使用。
1．3web信息抽取
web信息抽取(WebInformationExtraction)是将web作为信息源的一类信息抽取。简单的说，web信息抽取是指从web页面中抽取用户感兴趣的信息而过滤掉不相关的信息，具体的是指研究如何将分散在半结构化web页面中的信息提取出来，并以结构化、语义更为清晰的模式表示，它为用户在web中查询数据、应用程序直接利用web数据提供了便利[3]。输入信息抽取系统的是原始文本，输出的是固定格式的信息点。其主要功能就是把信息点从各种各样的文档中抽取出来，然后以统一的形式集成在一起。
2基于领域本体的web信息抽取
这里我们研究的是基于领域本体的web信息抽取，这也是现在应用比较广泛，相对比较成熟的一种技术实现；基于领域本体的web信息抽取的一个重要特点是具有较强的