基于維基百科的領(lǐng)域本體自動(dòng)構(gòu)建方法研究

吳潔明　劉雁昆　段建勇

(北方工業(yè)大學(xué)計(jì)算機(jī)學(xué)院　北京 100144)

?

基于維基百科的領(lǐng)域本體自動(dòng)構(gòu)建方法研究

吳潔明劉雁昆段建勇

(北方工業(yè)大學(xué)計(jì)算機(jī)學(xué)院北京 100144)

摘要隨著互聯(lián)網(wǎng)的發(fā)展，本體被廣泛應(yīng)用于知識(shí)工程、信息檢索等領(lǐng)域。傳統(tǒng)的本體構(gòu)建方法無(wú)法滿足日益增長(zhǎng)的需求，提出一種基于維基百科的領(lǐng)域本體構(gòu)建方法。通過(guò)提取維基百科的知識(shí)體系和知識(shí)屬性，實(shí)現(xiàn)原始領(lǐng)域本體的自動(dòng)化構(gòu)建。提出的一種與路徑無(wú)關(guān)的矢量方差方法，通過(guò)計(jì)算領(lǐng)域中每一個(gè)分類(lèi)和條目的所屬度，選擇所屬度大于閾值的分類(lèi)和條目作為領(lǐng)域本體的內(nèi)容，然后挖掘每個(gè)信息盒的內(nèi)容來(lái)獲取實(shí)體的屬性。最后通過(guò)人工識(shí)別的方式驗(yàn)證提取的分類(lèi)和條目的有效性，以及所構(gòu)建的本體的準(zhǔn)確性。

關(guān)鍵詞本體維基百科有效性自動(dòng)構(gòu)建

0引言

本體一詞源自西方哲學(xué)，在計(jì)算機(jī)領(lǐng)域中由Gruber定義：“本體是概念模型的明確規(guī)范說(shuō)明”[1]。本體將現(xiàn)實(shí)中某個(gè)知識(shí)領(lǐng)域抽象成一組概念及概念之間的關(guān)系，并以計(jì)算機(jī)可認(rèn)知的形式化語(yǔ)言來(lái)描述，目的是解決人與機(jī)器以及異構(gòu)知識(shí)之間信息交流的障礙。隨著互聯(lián)網(wǎng)發(fā)展，本體被廣泛用于知識(shí)工程、語(yǔ)言工程、信息檢索以及數(shù)字圖書(shū)館等領(lǐng)域。

目前本體的構(gòu)建主要依靠人工手動(dòng)構(gòu)建，雖然某些領(lǐng)域?qū)崿F(xiàn)了半自動(dòng)化構(gòu)建，其面向領(lǐng)域?qū)I(yè)性較強(qiáng)，如：醫(yī)學(xué)、軍事工業(yè)等，需要耗費(fèi)大量的人力，且需要領(lǐng)域?qū)＜覅⑴c[2]。隨著各領(lǐng)域信息化的推進(jìn)，通用的本體自動(dòng)構(gòu)建方法成為當(dāng)前的研究熱點(diǎn)。Maedche等提出了需要人工參與的半自動(dòng)化本體構(gòu)建框架[3]，將穩(wěn)定協(xié)作模型的范例用于構(gòu)建本體。文獻(xiàn)[4]提供了一種mashup服務(wù)描述本體構(gòu)建方法，這種方法利用開(kāi)發(fā)者為mashup服務(wù)提供的標(biāo)簽構(gòu)建本體，以WordNet作為知識(shí)庫(kù)。但是，這種方法的前提是預(yù)定足夠豐富且明確的領(lǐng)域知識(shí)分類(lèi)結(jié)構(gòu)，通過(guò)概念學(xué)習(xí)來(lái)實(shí)現(xiàn)本體構(gòu)建。Zhong等提出了面向特定領(lǐng)域的本體構(gòu)建過(guò)程[5]，運(yùn)用知識(shí)挖掘技術(shù)分階段實(shí)現(xiàn)本體構(gòu)建。在文獻(xiàn)[6]中，提出了以面向Web內(nèi)容的本體自動(dòng)化構(gòu)建，通過(guò)挖掘網(wǎng)頁(yè)中的概念，運(yùn)用貝葉斯分類(lèi)器來(lái)構(gòu)建本體。然而這種方法并不能準(zhǔn)確定義概念群的所屬類(lèi)別名稱(chēng)，另外網(wǎng)頁(yè)中的知識(shí)準(zhǔn)確率不夠高，其構(gòu)建的專(zhuān)業(yè)領(lǐng)域本體利用價(jià)值不大。

本體構(gòu)建自動(dòng)化，首先需要一個(gè)涉及各個(gè)領(lǐng)域的信息庫(kù)作為本體的知識(shí)源。維基百科作為當(dāng)前最大的網(wǎng)絡(luò)知識(shí)庫(kù)，其擁有知識(shí)量巨大且不斷增長(zhǎng)、知識(shí)內(nèi)容能夠自我修正和完善等特點(diǎn)，引起了研究者的廣泛關(guān)注。維基百科具有面向普通用戶編輯的知識(shí)構(gòu)建模式，包含了各領(lǐng)域?qū)I(yè)知識(shí)?？梢酝ㄟ^(guò)充分挖掘維基百科中分類(lèi)、詞條之間的語(yǔ)義關(guān)系、以及詞條內(nèi)容來(lái)構(gòu)建某一領(lǐng)域的原始本體，為其后的本體學(xué)習(xí)和應(yīng)用提供一個(gè)基本架構(gòu)。在文獻(xiàn)[7]中提出了基于維基百科知識(shí)庫(kù)的構(gòu)建方法，但是并沒(méi)有認(rèn)識(shí)到維基百科知識(shí)分類(lèi)系統(tǒng)主要是為便于用戶查詢而做的知識(shí)導(dǎo)航，其分類(lèi)結(jié)構(gòu)與學(xué)術(shù)定義存在偏差，另外這種方法并沒(méi)實(shí)現(xiàn)本體屬性提取。

本文研究?jī)?nèi)容與現(xiàn)有自動(dòng)構(gòu)建方法不同之處主要包括以下兩點(diǎn)：

1) 基于維基百科分類(lèi)和詞條的鏈接關(guān)系，通過(guò)改進(jìn)的VVG(Variance-based Vector Generation)方法提取有效的領(lǐng)域本體知識(shí)結(jié)構(gòu)；

2) 通過(guò)挖掘維基百科詞條內(nèi)容，獲取領(lǐng)域本體的實(shí)體屬性和概念屬性，使領(lǐng)域本體的描述更為完整。

1數(shù)據(jù)分析

維基百科是一個(gè)數(shù)據(jù)開(kāi)放的網(wǎng)絡(luò)知識(shí)庫(kù)，它的所有分類(lèi)和條目都是由普通網(wǎng)絡(luò)用戶自由編輯的，并且以MySql數(shù)據(jù)表和XML文件形式提供給用戶。通過(guò)研究維基百科數(shù)據(jù)的表結(jié)構(gòu)，發(fā)現(xiàn)在’page’、’redirect’與’categoryLinks’三張表中包含了知識(shí)的分類(lèi)和頁(yè)面的重定向。

1) page表存儲(chǔ)了維基百科的頁(yè)面信息。本研究使用其中id(頁(yè)面編號(hào))、title(頁(yè)面標(biāo)題)、namespace(命名空間)字段，并且提取命名空間為0(表示為知識(shí)條目頁(yè)面)和14(表示為分類(lèi)頁(yè)面)的數(shù)據(jù)。

2) redirect表存儲(chǔ)了維基百科頁(yè)面的重定向信息。本研究使用其中re_from(重定向頁(yè)面id)、rd_title(目標(biāo)頁(yè)面title)、rd_namespace(重定向頁(yè)面的命名空間)字段。

3) categorylinks表存儲(chǔ)了維基百科知識(shí)的分類(lèi)結(jié)構(gòu)。本研究使用其中cl_from(子分類(lèi)或條目的頁(yè)面id)、cl_to(父分類(lèi)頁(yè)面id)字段。

維基百科條目頁(yè)面中通常包含實(shí)體的基本概念解析、組成元素或?qū)傩缘葍?nèi)容，這些可以構(gòu)成本體的中的概念、屬性和實(shí)例。維基百科詞條可以通過(guò)內(nèi)部鏈接與其他實(shí)體相關(guān)聯(lián)，通過(guò)這些超鏈接可以挖掘本體中概念與概念、概念與屬性之間的關(guān)系。

在本體存儲(chǔ)形式上可選用OWL(Ontology Web Language)文檔來(lái)表示構(gòu)建的本體。網(wǎng)絡(luò)本體語(yǔ)言O(shè)WL是由W3C制定的一種本體形式化語(yǔ)言，旨在促進(jìn)由XML、RDF(S)支持的網(wǎng)絡(luò)資源的互操作性[8]。因此，基于維基百科的本體構(gòu)建可以轉(zhuǎn)換為構(gòu)建OWL文檔，其實(shí)質(zhì)就是通過(guò)挖掘維基百科中實(shí)體之間的關(guān)系，用OWL語(yǔ)言描述。OWL通過(guò)以下內(nèi)容描述類(lèi)和個(gè)體之間的關(guān)系。

1) subClassOf表示類(lèi)之間的上下層關(guān)系，即父類(lèi)與子類(lèi)關(guān)系；

2) sameAs表示等價(jià)的分類(lèi)或者實(shí)體；

3) ObjectProperty對(duì)象屬性定義；

4) DatatypeProperty值屬性定義。

通過(guò)處理維基百科提供的結(jié)構(gòu)化數(shù)據(jù)，提取可由OWL描述的語(yǔ)義關(guān)系，轉(zhuǎn)化為上段所示OWL關(guān)系定義。

2方法概述

通過(guò)提取維基百科數(shù)據(jù)，挖掘數(shù)據(jù)中的語(yǔ)義關(guān)系構(gòu)建領(lǐng)域本體的架構(gòu)，具體方法是：① 根據(jù)領(lǐng)域名稱(chēng)通過(guò)分類(lèi)關(guān)系抽取所有的維基百科分類(lèi)和知識(shí)條目；② 使用與祖先路徑無(wú)關(guān)的矢量方差方法計(jì)算抽取數(shù)據(jù)中所有分類(lèi)和條目的領(lǐng)域所屬度l，提取那些所屬度l大于一定閾值的分類(lèi)和條目作為本體的分類(lèi)和概念；③ 通過(guò)識(shí)別每個(gè)條目中的信息盒(Infobox)這種特殊結(jié)構(gòu)抽取知識(shí)的屬性；④ 將分類(lèi)、概念和屬性轉(zhuǎn)換為OWL文檔。其過(guò)程如圖1所示。

圖1　基于維基百科的領(lǐng)域本體自動(dòng)構(gòu)建過(guò)程

2.1維基百科中有效分類(lèi)結(jié)構(gòu)的提取

在維基百科的分類(lèi)結(jié)構(gòu)中包含了導(dǎo)航、主題索引、科學(xué)目錄分類(lèi)等內(nèi)容，以方便用戶查找、編輯和閱讀，所以該分類(lèi)結(jié)構(gòu)并不是完整的科學(xué)分類(lèi)結(jié)構(gòu)。在維基百科中很多類(lèi)別和條目都屬于多個(gè)父類(lèi)別，如圖2所示(C表示一個(gè)分類(lèi)，T表示一個(gè)條目)。為了提高領(lǐng)域本體準(zhǔn)確性，需要消除無(wú)效的、與指定領(lǐng)域關(guān)聯(lián)性較小的分類(lèi)和條目。在此引入Masumi Shirakawa等提出的基于矢量方差方法VVG[9]。該方法通過(guò)計(jì)算某個(gè)條目或者概念對(duì)于某個(gè)類(lèi)別的所屬度來(lái)判斷該概念是否屬于這個(gè)類(lèi)別。

圖2　維基百科知識(shí)結(jié)構(gòu)示例

我們定義V表示條目(概念)和分類(lèi)的集合，E表示一個(gè)分類(lèi)結(jié)構(gòu)中的鏈接。整個(gè)維基百科知識(shí)結(jié)構(gòu)可以表示為一個(gè)有向無(wú)環(huán)圖G={V,E}，V表示點(diǎn)的集合，E表示邊的集合，E的方向是從子類(lèi)別或者條目指向父類(lèi)別。假設(shè)節(jié)點(diǎn)vm是我們需要建立本體的領(lǐng)域節(jié)點(diǎn)，節(jié)點(diǎn)vi表示根據(jù)維基百科分類(lèi)結(jié)構(gòu)中vm下的一個(gè)子分類(lèi)，定義P={p1,p2,…,pn}表示從節(jié)點(diǎn)vi到節(jié)點(diǎn)vM所有路徑的集合；定義節(jié)點(diǎn)vi的出度等于其父節(jié)點(diǎn)的個(gè)數(shù)，用n表示。在一個(gè)維基百科分類(lèi)結(jié)構(gòu)圖G中一個(gè)條目或者分類(lèi)vi對(duì)于vM的所屬度I(vivM)由以下公式求得：

I(vi,vM)=∑pl∈Pc(pl)

(1)

c(pl)=∏eh∈plb(eh)

(2)

(3)

式中,b(eh)表示一個(gè)有向邊eh的權(quán)重，其值取起始點(diǎn)出度n的倒數(shù)；c(pi)表示一條由節(jié)點(diǎn)vi通往節(jié)點(diǎn)vM的路徑pl的權(quán)重，其值等于這條路徑上所有e權(quán)值的乘積；那么一個(gè)vi對(duì)于vM的所屬度I(vi,vM)即為所有連通這兩個(gè)節(jié)點(diǎn)路徑權(quán)重的和。

在上述基于矢量方差方法(VVG)中，計(jì)算每一個(gè)節(jié)點(diǎn)的所屬度需要向上回溯整個(gè)路徑。這就需要先抽取出領(lǐng)域的整個(gè)結(jié)構(gòu)圖，然后計(jì)算各節(jié)點(diǎn)的所屬度。在知識(shí)點(diǎn)較多的知識(shí)領(lǐng)域中，該方法的計(jì)算量會(huì)非常大。為了便于計(jì)算I(vi,vM)，可將式(1)-式(3)作出如下改進(jìn)：

(4)

(5)

式(4)中Vfather表示與vM存在路徑的vi父節(jié)點(diǎn)集合；n表示vi出度，即它的所有父節(jié)點(diǎn)個(gè)數(shù)；eh表示vi指向vk的邊。設(shè)定當(dāng)k=M時(shí)I(vk,vM)=1，即起始節(jié)點(diǎn)的所屬度為1。式(5)表明一個(gè)節(jié)點(diǎn)的所屬度等于其所有父節(jié)點(diǎn)所屬度之和乘以出度的倒數(shù)，與路徑無(wú)關(guān)。例如，圖2中各個(gè)節(jié)點(diǎn)的所屬度如表1所示。

表1　圖2中各節(jié)點(diǎn)所屬度

由式(5)可知，求取每個(gè)節(jié)點(diǎn)的所屬度是一個(gè)對(duì)維基百科分類(lèi)結(jié)構(gòu)逐層遞歸的過(guò)程，在抽取知識(shí)結(jié)構(gòu)的同時(shí)計(jì)算出每個(gè)節(jié)點(diǎn)的所屬度。這不同于VVG方法需要抽取出整個(gè)領(lǐng)域的知識(shí)結(jié)構(gòu)，才能計(jì)算各節(jié)點(diǎn)所屬度，用這種方法降低了計(jì)算的復(fù)雜度。與路徑無(wú)關(guān)的矢量方差方法可以由如下算法表示：

名稱(chēng)：從維基百科中提取領(lǐng)域知識(shí)結(jié)構(gòu)提取遞歸算法。

輸入：分類(lèi)節(jié)點(diǎn)vfather以及它的所屬度Ifather。

輸出：指定領(lǐng)域的知識(shí)結(jié)構(gòu)以及每個(gè)節(jié)點(diǎn)的所屬度I。

起始輸入：要研究的領(lǐng)域vM以及它的所屬度IM=1。

結(jié)束條件：每個(gè)分支遇到條目節(jié)點(diǎn)結(jié)束遞歸，直至遍歷領(lǐng)域M下的所有節(jié)點(diǎn)。

1查詢出節(jié)點(diǎn)vfather的所有子節(jié)點(diǎn)，存入sonList；

2foreach sonList do

3獲取子節(jié)點(diǎn)vson的所有父節(jié)點(diǎn)數(shù)n；

4if vson已被訪問(wèn) then

6else

8end

9存儲(chǔ)Ison；

10if vson是一個(gè)分類(lèi)(category) then

11遞歸；

12end

依據(jù)上述算法，訓(xùn)練數(shù)據(jù)集可以獲得一個(gè)閾值a，將所屬度小于a的節(jié)點(diǎn)及其所在的邊從圖中刪除，得到一個(gè)簡(jiǎn)化過(guò)的圖G′∈G，在G′中所有分類(lèi)和條目均被認(rèn)為是有效的。

2.2屬性挖掘

在OWL中，ObjectProperty表示對(duì)象屬性，表示兩個(gè)類(lèi)的實(shí)體之間的非分類(lèi)關(guān)系；datatypeproperties表示數(shù)據(jù)類(lèi)型屬性，表示個(gè)體與數(shù)據(jù)類(lèi)型的關(guān)聯(lián)。如：“程序員從事程序開(kāi)發(fā)”，其中“程序員”和“程序”為兩個(gè)不同類(lèi)別的實(shí)體；程序員有一個(gè)“年齡”屬性，年齡的類(lèi)型為整數(shù)型數(shù)據(jù)。用OWL可以表示為：

在維基百科知識(shí)條目中，有很多包含信息盒這種特殊結(jié)構(gòu)，以半結(jié)構(gòu)化形式出現(xiàn)在條目的XML文檔中[10]。利用信息盒的這種結(jié)構(gòu)關(guān)系可以非常準(zhǔn)確地識(shí)別維基百科概念的屬性，可轉(zhuǎn)換為本體中的實(shí)體屬性。如圖3所示條目“Python”的信息盒，我們非常容易識(shí)別，每一個(gè)‘|’后面的字段表示一個(gè)屬性，‘=’號(hào)后面表示這個(gè)屬性的值，雙括號(hào)‘[[’、‘]]’之間的詞是一個(gè)維基百科內(nèi)部詞條。由此可通過(guò)正則表達(dá)式獲取屬性的名稱(chēng)和屬性的值，從而創(chuàng)建實(shí)體屬性(ObjectProperty)和數(shù)據(jù)類(lèi)型屬性(DatatypeProperty)。

圖3　信息盒實(shí)例

2.3本體的自動(dòng)構(gòu)建

根據(jù)上述論述，可將維基百科知識(shí)快速構(gòu)建由OWL文檔表示的領(lǐng)域本體，構(gòu)建過(guò)程如下：

1) 從維基百科網(wǎng)站中下載上文所需數(shù)據(jù)；

2) 根據(jù)維基百科知識(shí)分類(lèi)結(jié)構(gòu)，求取出指定領(lǐng)域VM下的所有分類(lèi)和條目，構(gòu)成知識(shí)結(jié)構(gòu)圖G，同時(shí)計(jì)算出這些分類(lèi)對(duì)于的所屬度；

3) 根據(jù)閾值對(duì)2)所形成的知識(shí)結(jié)構(gòu)圖G簡(jiǎn)化，刪除無(wú)效的分類(lèi)和條目，形成圖G′；

4) 將圖G′描述的知識(shí)之間的關(guān)系轉(zhuǎn)換成OWL文本，轉(zhuǎn)換關(guān)系如表2所示；

表2　維基百科知識(shí)結(jié)構(gòu)到OWL的映射表

5) 對(duì)于包含信息盒的條目，構(gòu)建對(duì)應(yīng)的實(shí)體屬性和值屬性。

3實(shí)驗(yàn)與評(píng)估

3.1實(shí)驗(yàn)參數(shù)

實(shí)驗(yàn)使用的數(shù)據(jù)是維基百科2014年8月23日提供的中文數(shù)據(jù)，包括categorylinks、page、redirect三張數(shù)據(jù)表和zhwiki-20140826-pages-meta-current.xml.bz2文件包。實(shí)驗(yàn)選擇“軟件工程”為目標(biāo)本體領(lǐng)域，抽取其下的所有分類(lèi)(category)、條目(title)、重定向頁(yè)面(redirect)。實(shí)驗(yàn)使用protégé-owl工具將抽取的知識(shí)轉(zhuǎn)換成OWL文檔。

3.2實(shí)驗(yàn)結(jié)果

根據(jù)維基百科的分類(lèi)結(jié)構(gòu)，實(shí)驗(yàn)中提取出屬于軟件工程領(lǐng)域分類(lèi)186個(gè)、條目1396個(gè)，這其中包括很多編程語(yǔ)言、代碼庫(kù)和游戲等不屬于軟件工程的知識(shí)分類(lèi)和條目。通過(guò)計(jì)算這些條目對(duì)于軟件工程領(lǐng)域的所屬度I提取軟件工程領(lǐng)域的分類(lèi)和條目，如表3所示。

表3　所屬度計(jì)算結(jié)果

分別選取閾值為 0.5、0.1、0.08，通過(guò)人工識(shí)別方式統(tǒng)計(jì)其對(duì)應(yīng)的準(zhǔn)確率(precision)和召回率(recall)，如表4所示。

表4　所屬度算法結(jié)果評(píng)價(jià)

通過(guò)綜合比較看到當(dāng)選取a=0.1為閾值，所有I<0.1的分類(lèi)和條目可認(rèn)為不屬于軟件工程領(lǐng)域的知識(shí)。

將上面提取的知識(shí)結(jié)構(gòu)轉(zhuǎn)換成OWL文檔，并提取條目中的屬性，就構(gòu)建出了一個(gè)軟件工程領(lǐng)域原始本體。為檢驗(yàn)本體構(gòu)建的正確性，將上述形成的OWL文檔導(dǎo)入protégé中，可以看到軟件工程本體結(jié)構(gòu)與真實(shí)軟件工程領(lǐng)域的知識(shí)結(jié)構(gòu)基本相符，如圖4所示為軟件工程領(lǐng)域本體部分結(jié)構(gòu)圖。

圖4　軟件工程領(lǐng)域本體部分結(jié)構(gòu)圖

4結(jié)語(yǔ)

本文提出了一種基于維基百科本體構(gòu)建方法，通過(guò)挖掘維基百科中條目分類(lèi)結(jié)構(gòu)和條目?jī)?nèi)容獲取本體的基本要素，并將其轉(zhuǎn)換成OWL文檔，實(shí)現(xiàn)領(lǐng)域本體的自動(dòng)化構(gòu)建。通過(guò)改進(jìn)的矢量方差方法(VVG)識(shí)別有效分類(lèi)和條目，這種方法提高了條目所屬度的計(jì)算效率。本文還提出了基于信息盒的本體屬性提取方法，這一方法簡(jiǎn)單有效且正確率高。

本體的構(gòu)建是一個(gè)不斷更新、學(xué)習(xí)、進(jìn)化的循環(huán)過(guò)程，本文所提方法可以構(gòu)造的是一個(gè)原始本體，其包含了一個(gè)領(lǐng)域主要的知識(shí)點(diǎn)和知識(shí)結(jié)構(gòu)，可以作為本體學(xué)習(xí)和本體進(jìn)化的原始數(shù)據(jù)。另外本文所提本體屬性挖掘方法仍然有一定的局限性，隨著中文自然語(yǔ)言處理技術(shù)的不斷提高，我們能夠從文本中提取出更加準(zhǔn)確的屬性模板，那么本體屬性提取的數(shù)據(jù)源將不再局限于信息盒。

參考文獻(xiàn)

[1] 胡兆芹.本體與知識(shí)組織[M].中國(guó)文史出版社,2014.

[2] 王磊,周寬久,仇鵬.領(lǐng)域本體自動(dòng)構(gòu)建研究[J].情報(bào)學(xué)報(bào),2010,29(1):45-52.

[3] Maeduche A,Staab S.Ontology Learning for the Semantic Web[J].IEEE Intelligent Systems,2011,16(2):72-79.

[4] Li S,Li B,Pan W,et al.Approach for building mashup service description ontology automatically[J].Journal of Chinese Computer Systems,2011,32(9):1747-1752.

[5] Zhong N,Yao Y,Kakenoto Y.Automatic Construction of ontology from Text Databases[J].Data Mining,2011(2):173-180.

[6] 金鑫.面向Web信息資源的領(lǐng)域本體模型自動(dòng)構(gòu)建機(jī)制的研究[J].計(jì)算機(jī)科學(xué),2012(6):213-216.

[7] 王磊,顧大權(quán),侯太平,等.基于維基百科的氣象本體的自動(dòng)構(gòu)建[J].計(jì)算機(jī)與現(xiàn)代化,2014(6):129-131.

[8] Allemang D,Hendler J.Semantic Web for the Working Ontologist-Effective Modeling in RDFS and OWL[M].Elsevier (Singapore) Pte Ltd,2009.

[9] Shirakawa M,Nakayama K,Hara K,et al.Concept vector extraction from Wikipedia category network[C]//Proceedings of the 3rdInternational Conference on ubiquitous Information Management and Communication (2009).New York,USA:ACM,2009:71-79.

[10] 余傳明,張小青.從Wikipedia中獲取本體:原理與方法研究[J].情報(bào)學(xué)報(bào),2011(3):244-252.

收稿日期：2015-01-19。國(guó)家自然科學(xué)基金項(xiàng)目(61103112)；國(guó)家科技支撐計(jì)劃項(xiàng)目(2012BA H04F01，2012BAH04F03)；北京市科技創(chuàng)新平臺(tái)基金項(xiàng)目(PXM2013_014212_000011)；北京市屬高等學(xué)校創(chuàng)新團(tuán)隊(duì)建設(shè)與教師職業(yè)發(fā)展計(jì)劃項(xiàng)目(IDHT20130502)。吳潔明，教授，主研領(lǐng)域：軟件工程，面向?qū)ο蠹夹g(shù)。劉雁昆，碩士生。段建勇，教授。

中圖分類(lèi)號(hào)TP391.1

文獻(xiàn)標(biāo)識(shí)碼A

DOI:10.3969/j.issn.1000-386x.2016.07.017

ON WIKIPEDIA-BASED AUTOMATIC DOMAIN ONTOLOGY CONSTRUCTION METHOD

Wu JiemingLiu YankunDuan Jianyong

(SchoolofComputerScience,NorthChinaUniversityofTechnology,Beijing100144,China)

AbstractWith the development of the Internet, ontology has been widely used in knowledge engineering, information retrieval and other fields. Traditional ontology construction method can’t satisfy the growing demand. This paper proposes a Wikipedia-based domain ontology construction method. By extracting the knowledge systems and knowledge attributes of Wikipedia, it realises the automated construction of original domain ontology. In this paper we introduces a path-independent vector variance method, by calculating the belongingness degree of each classification and entry in the field, it chooses those classifications and entries with the belongingness degrees greater than the threshold as the contents of domain ontology, and then mines the contents of each message box to get the attributes of the entity. In end of the paper, through artificial identification way we verify the effectiveness of the extracted classifications and entries and the accuracy of the constructed ontology.

KeywordsOntologyWikipediaEffectivenessAutomated construction