导读:本文包含了术语关系获取论文开题报告文献综述及选题提纲参考文献，主要关键词:术语,术语间关系,关系公理,文本知识获取
术语关系获取论文文献综述
王娜娜,黄运有,唐素勤,王石,曹存根[1]（2015）在《基于OMKast的术语关系获取和验证》一文中研究指出为了从海量数据中获取知识,提出了术语间关系的抽取方法:定义了上下位关系和整分关系,在此基础上新增加了N条关系,从关系的定义域和值域、关系的限制条件、关系的公理等出发,准确地定义出关系的内涵,并根据关系的内涵定义出关系的语义特征。最后针对关系表达的灵活性,总结出了关系表述的语法特征和表述文法。结合上述语法特征和语义特征,编写了一种可执行的知识抽取程序——OMKast程序,并从原始文本语料中抽取关系。利用语义特征和统计学的方法验证抽取出的关系。实验结果表明,该方法具有良好的有效性。(本文来源于《计算机应用研究》期刊2015年11期）
王娜娜[2]（2015）在《基于语义文法的术语关系获取方法研究》一文中研究指出知识表示和知识抽取是人工智能领域的重要内容。术语关系获取是知识抽取的一个重要研究方向。术语是指代实体的词语,术语间的关系表达实体间的关系。术语关系获取是指从结构化或半结构化的文本中抽取术语间的关系,按一定的形式存储在计算机中的过程。术语关系虽然在定义上大致相同,但在具体的使用中却千差万别。又因为它隐藏在大量的互联网信息中,如果只靠人工获取,将耗费大量的人力、物力。而且即使获取到大量的术语关系,这些关系也常常存在许多正确性判定问题。验证这些关系的正确性也是一个棘手的问题。目前这方面的研究相对较少。本文针对以上这些问题,重点研究名词术语间的关系,从术语关系的形式化定义、获取方法和验证出发,取得以下四个方面的成果：(1)术语关系的刻画本文总结术语间的各种关系,给出术语间关系的定义、谓词表示以及分类。并从术语关系的描述对象、语料背景、术语关系间的关系叁大方面给出了术语间关系的详细刻画。同时,在产生式基础上引入中枢谓词,构建术语关系描述文法。使术语关系文法能够对术语关系的各种自然语言表达形式进行描述,为术语关系的获取打下基础。(2)术语关系的获取本文通过分析术语关系语料,总结关系对应的文法集合。在OMKast基础上,导入半结构化语料,获取术语关系集。并且根据获取结果,分析总结关系获取问题,给出解决策略。反过来利用解决策略指导文法构建过程,以提高文法解析的正确率。(3)术语关系公理的获取和验证根据关系的定义,从关系的内在性质和外在联系出发,获取术语关系间的所有公理,构建公理系统。利用LL(1)型文法对其进行语法正确性验证。利用谓词逻辑推导公式,对其进行一致性(或矛盾性)验证。然后参考素瓦的概念图对其进行公理遗缺性检验,参考语义网络图对其进行关系遗缺性检验。并分别给出相应检验方法的算法。(4)术语关系的验证获得的术语关系中存在大量的干扰词,因此在进行关系的验证之前,先对获取的术语关系进行预处理：建立剥离词库、剥离句模,剥离掉关系中的干扰词。然后分析并总结术语关系的语义特征、语法特征及统计特征,验证关系的相对正确性。最后,结合术语关系相关的公理,讨论公理验证的顺序问题、公理验证的查找效率问题,验证术语关系的相对正确性。并分别给出相应验证方法的算法。(本文来源于《广西师范大学》期刊2015-04-01）
王长有,杨增春[3]（2014）在《一种基于句子结构特征的领域术语上下位关系获取方法》一文中研究指出针对领域本体构建中概念上下位关系获取难的问题,提出融合句子结构特征的概念上下位语义关系抽取方法。首先利用层迭条件随机场(cascaded conditional random fields,CCRFs)算法建模实现概念上下位实体识别,然后通过对句子结构特征分析得出融合概念上下位关系的句子结构特征,最后利用融入句法特征基于支持向量机(support vector machine,SVM)建模的方法实现概念上下位关系抽取。为验证提出方法的有效性,以旅游领域上下位实体关系抽取为例进行了相关实验。实验结果表明:基于CCRFs模型的识别效果相对于现有的单层模型有较大改进,其F值提高了6.57%;加入句法特征基于SVM概念上下位关系抽取方法较现有的基于条件随机场(conditional random fields,CRFs)概念上下位关系抽取方法更有效,其F值提高了4.68%。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2014年03期）
黄毅,王庆林,刘禹[4]（2013）在《一种基于条件随机场的领域术语上下位关系获取方法》一文中研究指出提出一种基于条件随机场的领域术语上下位关系获取方法。首先,结合百科名片中结构化、制式化的语言表达形式,通过统计分析,提炼出适用于通用模型的特征词词典。然后,在词和词性特征的基础上,结合特征词词典内容和标点符号信息,利用CRF机器学习技术对术语问上下位关系的内在规律进行学习,得到其表达方式和存在环境的概率模型。最后,通过实验对模型的准确性进行验证,并提出了改进。实验结果表明:该方法抽取上下位关系的准确率达到73.50%。(本文来源于《2013年中国智能自动化学术会议论文集（第五分册）》期刊2013-08-24）
黄毅,王庆林,刘禹[5]（2013）在《一种基于条件随机场的领域术语上下位关系获取方法》一文中研究指出提出一种基于条件随机场的领域术语上下位关系获取方法。首先,结合百科名片中结构化、制式化的语言表达形式,通过统计分析,提炼出适用于通用模型的特征词词典。然后,在词和词性特征的基础上,结合特征词词典内容和标点符号信息,利用CRF机器学习技术对术语间上下位关系的内在规律进行学习,得到其表达方式和存在环境的概率模型。最后,通过实验对模型的准确性进行验证,并提出了改进。实验结果表明:该方法抽取上下位关系的准确率达到73.50%。(本文来源于《中南大学学报(自然科学版)》期刊2013年S2期）
术语关系获取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
知识表示和知识抽取是人工智能领域的重要内容。术语关系获取是知识抽取的一个重要研究方向。术语是指代实体的词语,术语间的关系表达实体间的关系。术语关系获取是指从结构化或半结构化的文本中抽取术语间的关系,按一定的形式存储在计算机中的过程。术语关系虽然在定义上大致相同,但在具体的使用中却千差万别。又因为它隐藏在大量的互联网信息中,如果只靠人工获取,将耗费大量的人力、物力。而且即使获取到大量的术语关系,这些关系也常常存在许多正确性判定问题。验证这些关系的正确性也是一个棘手的问题。目前这方面的研究相对较少。本文针对以上这些问题,重点研究名词术语间的关系,从术语关系的形式化定义、获取方法和验证出发,取得以下四个方面的成果：(1)术语关系的刻画本文总结术语间的各种关系,给出术语间关系的定义、谓词表示以及分类。并从术语关系的描述对象、语料背景、术语关系间的关系叁大方面给出了术语间关系的详细刻画。同时,在产生式基础上引入中枢谓词,构建术语关系描述文法。使术语关系文法能够对术语关系的各种自然语言表达形式进行描述,为术语关系的获取打下基础。(2)术语关系的获取本文通过分析术语关系语料,总结关系对应的文法集合。在OMKast基础上,导入半结构化语料,获取术语关系集。并且根据获取结果,分析总结关系获取问题,给出解决策略。反过来利用解决策略指导文法构建过程,以提高文法解析的正确率。(3)术语关系公理的获取和验证根据关系的定义,从关系的内在性质和外在联系出发,获取术语关系间的所有公理,构建公理系统。利用LL(1)型文法对其进行语法正确性验证。利用谓词逻辑推导公式,对其进行一致性(或矛盾性)验证。然后参考素瓦的概念图对其进行公理遗缺性检验,参考语义网络图对其进行关系遗缺性检验。并分别给出相应检验方法的算法。(4)术语关系的验证获得的术语关系中存在大量的干扰词,因此在进行关系的验证之前,先对获取的术语关系进行预处理：建立剥离词库、剥离句模,剥离掉关系中的干扰词。然后分析并总结术语关系的语义特征、语法特征及统计特征,验证关系的相对正确性。最后,结合术语关系相关的公理,讨论公理验证的顺序问题、公理验证的查找效率问题,验证术语关系的相对正确性。并分别给出相应验证方法的算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
术语关系获取论文参考文献
[1].王娜娜,黄运有,唐素勤,王石,曹存根.基于OMKast的术语关系获取和验证[J].计算机应用研究.2015
[2].王娜娜.基于语义文法的术语关系获取方法研究[D].广西师范大学.2015
[3].王长有,杨增春.一种基于句子结构特征的领域术语上下位关系获取方法[J].重庆邮电大学学报(自然科学版).2014
[4].黄毅,王庆林,刘禹.一种基于条件随机场的领域术语上下位关系获取方法[C].2013年中国智能自动化学术会议论文集（第五分册）.2013
[5].黄毅,王庆林,刘禹.一种基于条件随机场的领域术语上下位关系获取方法[J].中南大学学报(自然科学版).2013