基于语义数据的迭代本体学习方法研究

With the continuous development of information extraction techniques and the proposal of linked open data project, a large number of semantic data have been extracted. Usually, such data contains quite a lot of instance-level information while lacking expressive schema-level information. To facilitate integration, querying and maintenance of semantic data, a few ontology learning approaches based on semantic data have been proposed. However, these approaches seldom consider the incompleteness and dynamics of semantic data. This leads to the fact that the learned ontology cannot be updated timely when new knowledge is added. In this project, we first study how to deal with the incompleteness by enriching semantic data. Then an iterative ontology learning approach is proposed based on dynamic semantic data according to the characteristics of human learning. During the process of iterative learning, we pay more attention to studying the approaches of inconsistency handling by combining statistical approaches and logical reasoning. Finally, an iterative ontology learning tool is provided and how to display the learning results friendly with a graphical user interface is studied. The results of research in this project will play an important role in spreading Semantic Web techniques and popularizing its applications.

随着信息抽取技术的不断发展以及链接开放数据项目的提出，大量语义数据被抽取出来。这些数据一般包含大量的实例层信息，但是缺少较强表达能力的模式层信息。为使语义数据的整合、查询和维护易于实施，人们提出了一些基于语义数据学习本体的方法。但是，这些方法对语义数据的不完备性以及动态性考虑不足，导致新增添的知识不能及时地对已经学到的本体进行更新。本项目首先研究如何通过完善语义数据来应对其不完备性，然后根据人类学习的特点提出基于动态语义数据的迭代本体学习方法。在迭代过程中，重点研究将统计方法和逻辑推理相结合进行不一致性处理的方法。最后，提供一个迭代的本体学习工具，研究如何以友好的图形用户界面展示学习结果。本项目的研究成果对语义Web的技术推广和应用普及将发挥重要作用。

现有的语义数据一般包含大量的实例层信息，而缺少模式层信息。为使语义数据的整合、查询和维护等任务易于实施，人们提出了各种各样基于语义数据学习本体的方法。但是，这些方法对语义数据的不完备性以及动态性考虑不足，导致新增添的知识不能及时地对已经学到的本体进行更新。因此，本项目主要从以下三个方面进行研究：（1）提出一个基于关联规则挖掘技术的自动获取不交公理和包含公理的框架，通过类型推理获取反例，并通过在几个真实知识库（如DBpedia和LUBM）上做实验证明了算法的有效性。（2）由于迭代本体学习过程不停地有新公理产生，研究如何根据新来的公理对已有本体进行修正，基于整数线性规划给出了切割函数的具体算法，并且给出了两个具体的修正算子。实验结果揭示了该修正算法比经常使用的基于碰集树的算法更加高效；改进的算法能够达到更高的效率，但可能会删除更多的公理。（3）为了提升迭代学习的效率，提出基于整数线性规划的高效逻辑冲突处理方法，设计了一个计算基数最小解决方案的算法和两个处理带有权重的本体的算法。实验结果表明了我们的算法具有很好的效率和效果，也验证了我们的前两个算法分别可以找到基数最小的解决方案和权重和最小的解决方案。总而言之，为了便于用户使用，所有提出的算法都已实现，并且提供可用的工具。本项目的研究成果有助于构建高质量的本体，对语义Web的技术推广和应用普及将发挥重要作用。