面向网络舆论的动态本体学习模型研究

由于本体(Ontology)能够有效的表示特定领域中的概念及其语义关系，并且能够被机器理解和处理，自21世纪以来，本体在知识工程、信息检索和数据挖掘等领域发挥着越来越重要的作用。本体学习是信息提取的一个分支，目的是从一系列的领域数据集中，自动或者半自动的提取关键概念及其语义关系来构建一个本体。面向网络舆论的动态本体学习对网络监督、网络知识发现、网络行为分析、网络侦测等应用有着重要的实际意义。本项目利用网络挖掘技术对网络中的博客，论坛等内容进行深入分析，建立网络舆论的语义模型；基于网络舆论的相似性，深入探索迁移学习的算法并应用其来提取关键概念；采用规范信息距离（Normalized Information Distance）算法来衡量概念之间的语义关系；利用语义推理的方法来验证生成本体的有效性，从而对网络舆论的语义提取建立一套行之有效的动态本体学习模型，并在大规模实际问题上进行应用和检验。