领域本体学习语料的自动获取与预处理方法研究

CORC > 文献情报中心 > 中国科学院文献情报中心 > 中国科学院兰州文献情报中心 > 信息系统部

	领域本体学习语料的自动获取与预处理方法研究
	王思丽1,2,3 ; 祝忠明1,2 ; 刘巍 1,2; 杨恒 1,2
刊名	图书馆学研究
	2019-10-25
期号	20 页码:54-64
关键词	领域语料本体学习自动获取预处理分词
ISSN号	1001-0424
其他题名	Research on Automatic Acquisition and Preprocessing Methods of Domain Ontology Learning Corpus
产权排序	1
英文摘要	[目的/意义]实现领域语料的自动获取与预处理，为机器/深度学习驱动的领域本体自动构建提供数据及数据处理技术基础。[方法/过程]首先，对所涉及语料的类型、获取方法及应用研究现状进行分析，提出多源异构领域语料的自动获取方法，包括基于Web Spider的网络开放领域语料和基于Web API的科学文献领域语料的自动获取等。其次，分析提出领域基础知识词典的自动构建方法，为语料预处理奠定基础。最后，通过对主流分词方法及开源分词工具进行测试与评估，提出基于增量训练HanLP-SP领域分词模型的多策略混合的自动分词与新词发现方法，并进行实验研究。[结果/结论]方法能够有效获取到领域语料，并实现分词等预处理任务。
资助项目	基于深度学习的领域本体自动构建方法研究
语种	中文
内容类型	期刊论文
源URL	[http://ir.las.ac.cn/handle/12502/10533]
专题	文献情报中心_中国科学院兰州文献情报中心_信息系统部
作者单位	1.中国科学院西北生态环境资源研究院文献情报中心 2.中国科学院兰州文献情报中心 3.中国科学院大学
推荐引用方式 GB/T 7714	王思丽,祝忠明,刘巍,等. 领域本体学习语料的自动获取与预处理方法研究[J]. 图书馆学研究,2019(20):54-64.
APA	王思丽,祝忠明,刘巍,&杨恒.(2019).领域本体学习语料的自动获取与预处理方法研究.图书馆学研究(20),54-64.
MLA	王思丽,et al."领域本体学习语料的自动获取与预处理方法研究".图书馆学研究 .20(2019):54-64.