基于法律領域的本體學習方法的研究與應用.pdf_第1頁
已閱讀1頁，還剩51頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、在信息時代的今天,傳統(tǒng)的基于關鍵詞匹配的檢索方法已經(jīng)不能滿足人們對于信息檢索的需求,由于本體具有清晰的概念層次以及良好的語義表示能力,已經(jīng)有越來越多的研究者把本體技術引入到信息檢索領域中來,用于實現(xiàn)語義信息檢索。
　　 本文將本體運用于檢索系統(tǒng),從語義上將內(nèi)容進行匹配,可以大大提高檢索的效率和精確度。給出了本體學習方法的討論和研究,首先簡要介紹了本體以及本體學習的基礎知識,列舉了幾種現(xiàn)有的概念抽取方法,針對基于統(tǒng)計的方法只能抽取

2、雙字詞的缺點,考慮加入基于規(guī)則的方法來提取出復合詞,并且對于存在同義詞關系以及整體與部分關系的概念,都提出了改進的方法進行抽取,實驗結果顯示了該方法的可行性。
　　 對于概念間關系的抽取,本文也進行了詳細地論述,抽取分類關系時針對層次聚類存在選取聚類標準而影響聚類結果的缺陷,進行多次層次聚類,并且每一次聚類的過程中都選取不同的標準,這樣就能提高關系抽取的準確度。抽取非分類關系則采用擴展的關聯(lián)規(guī)則的方法來獲取具體的關系名稱以及定義

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論