[发明专利]事件本体学习方法

说明书

事件本体学习方法，并应用于煤矿安全领域。目前事件本体的构建主要以人工为主。该领域事件本体的构建，采取的本体学习的数据源主要是网络中存在的大量煤矿安全领域的网页资源，人工进行筛选后作为文本文档，进行本体学习时，首先需要运用自然语言识别的一些技术对文本文档进行预处理，之后通过算法集和统计学方法对预处理结果进行深层次处理，将结果呈现给用户，作为初步的领域事件本体结果，在全程的处理过程中都需要领域专家和开发人员参与并不断修改、纠正，最终形成完善的煤矿安全领域事件本体。

技术领域

本发明提出了一种事件本体学习方法，以文本作为数据源，利用分词、依存句法等相关的自然语言处理技术以及事件类重要度算法，实现事件本体中事件类的推荐，基本实现了自动化，改善了目前人工构建事件本体的现状，并将该方法应用到煤矿安全领域中，并对该方法效果进行了评价。

背景技术

在早期，领域本体的构建多采取人工的方式，即在领域专家的帮助下建立领域本体，一方面这种构建方法存在很大的主观性，通常并不能准确完整的反映领域知识，另一方面采用这种构建方法即使可以借助本体编辑工具，但工作量仍然很大。

基于上述本体构建方法存在的缺陷，众多学者提出了本体学习技术。本体学习(Ontology Learning)技术的目标是从关系数据库、文本文档、xml文件等数据源中自动抽取领域概念及概念间关系，据此建立本体。

对于煤矿安全领域事件本体的构建，采取的本体学习的数据源主要是网络中存在的大量煤矿安全领域的网页资源，人工进行筛选后作为文本文档，进行本体学习时，首先需要运用自然语言识别的一些技术对文本文档进行预处理，之后通过算法集和统计学方法对预处理结果进行深层次处理，将结果呈现给用户，作为初步的领域事件本体结果，在全程的处理过程中都需要领域专家和开发人员参与并不断修改、纠正，最终形成完善的煤矿安全领域事件本体。

发明内容

(1)文本中事件类的识别

依据事件本体模型，事件的动作属性被抽象为事件类，在文本中的体现我们称之为事件触发词，因此，本节的主要工作就是制定事件触发词的识别规则，实现自动对煤矿安全领域相关文档进行处理，得到事件触发词集合。

根据本体学习流程，首先需要对文档预处理，由于事件触发词主要由动词、动名词组成，因此我们需要依据分词工具对文档进行分词，提取其中的动词，但是并不是所有的动词都可以作为事件触发词，例如“来”，“感觉”、“存在”等词并没有实际的领域事件含义，应该直接剔除掉，还有一类动词，例如“发生”、“进行”等词也不能反映实际的领域事件含义，不能够作为事件触发词，但这些动词前后经常会跟一些有事件含义的名词，例如“发生爆炸”、“进行救援”等，对这些动词也应该剔除掉，但需要提取该动词前后的名词作为事件触发词，这两种动词称之为停用动词。

本发明采用ICTCLAS分词工具对文档分词并进行词性标记，事件类的识别步骤如下：

(1)依据事件触发词特征，将词性标记为“/v”的动词和词性标记为“/vn”的动名词提取出来作为初步触发词集合E₁。

(2)依据停用动词表将集合E₁中的第一类停用动词直接剔除，从而得到事件触发词集合E₂。

(3)遍历集合E₂，依次与第二类停用动词集合中动词比对，若匹配，将该词记为v₁，在原文档中该词所属子句内向后k距离内查找名词，其中子句指由标点符号隔开的句子，词间距离指距某词的字数长度，若查找到名词n₁，则将n加入集合E₂中，并删除v₁，查找结束；若向后未查找到名词，则向前k距离内查找，处理方法不变；若仍未找到名词，则直接删除动词v₁。经过处理，得到候选触发词集合E₃。其中，经过统计学计算，在兼顾算法效率和准确度基础上，向后查找距离k取值为3，向前查找距离k取值为2。