基于主動學習的傳統(tǒng)中醫(yī)癥狀本體構(gòu)建方法研究綜述

1、基于主動學習的傳統(tǒng)中醫(yī)癥狀本體構(gòu)建方法研究綜述領(lǐng)域本體的構(gòu)建方法是當前本體研究的熱點問題之一。已被廣泛應用于知識工程、自然語言處理、系統(tǒng)建模、信息處理、信息檢索和語義Web、軟件復用等領(lǐng)域之中o但是，目前的領(lǐng)域本體的創(chuàng)建還缺乏系統(tǒng)的、針對所有領(lǐng)域的、工程化的方法。本文介紹一種基于主動學習的傳統(tǒng)中醫(yī)癥狀本體的文本知識自動獲取方法的設計和實現(xiàn)。通過引入領(lǐng)域本體，實現(xiàn)半結(jié)構(gòu)化文本知識的完全自動獲取。該方法具有較好的通用性，把人們從繁重的手工勞動中解放由來，并能極大地提高中醫(yī)知識獲取的效率和應用價值。【關(guān)鍵詞】領(lǐng)域本體中醫(yī)癥狀名語義標注主動學習本體(Ontology)是近年來計算機及相關(guān)領(lǐng)域普遍關(guān)注的

2、一個研究熱點，本體可以促進各種領(lǐng)域之間的交流，這種交流實現(xiàn)了給定領(lǐng)域中不同知識的重用和共享。作為一種能在語義和知識層次上描述信息系統(tǒng)的概念模型建模工具，已被廣泛應用于知識工程、系統(tǒng)建模、信息處理、數(shù)字圖書館、自然語言理解、語義Web等領(lǐng)域之中?！皞鹘y(tǒng)中醫(yī)”領(lǐng)域知識主要來源于古中醫(yī)文獻、臨床記錄、老中醫(yī)經(jīng)驗手稿等。這些知識的主要載體常常是非結(jié)構(gòu)或半結(jié)構(gòu)的數(shù)據(jù)。中醫(yī)診斷是通過對癥狀的總體觀察和分析得到結(jié)果。由此可知中醫(yī)古籍文獻中癥狀名識別問題十分重要。如何讓計算機對自由文本中癥狀名自動分析獲取知識，進行病癥診斷是知識工程領(lǐng)域需要解決的難題。知識服務離不開大型知識庫的支持。僅僅依靠繁重的手工勞動來建

3、設大型知識庫，必將嚴重影響知識服務的能力和質(zhì)量。因此，目前當務之急是尋求一種通用的自動的文本知識獲取方法。傳統(tǒng)的文本知識獲取方法主要有兩種：一種是采用通用的算法處理自然語言文本，從文本中抽取概念以及概念之間的關(guān)系。這種方法知識獲取量大，但所獲取的知識類型較單一，知識的表示形式也相對簡單。另一種方法是通過與知識工程師進行交互，使用一些知識獲取平臺或管理環(huán)境，實現(xiàn)知識的獲取。這種方法不僅手工工作量大，而且通用性也較差。鑒于現(xiàn)有文本知識獲取方法的缺陷，本文提由一種從古籍文本的表征及內(nèi)容特征生發(fā)，抽取實義詞，為實現(xiàn)中醫(yī)文獻標引和檢索從單漢字層次向詞、概念層次的過渡?；谥鲃訉W習的方法進行文本標注，再進

4、行自動領(lǐng)域本體構(gòu)建。本文第1、2章介紹本體以及領(lǐng)域本體發(fā)展；第3章介紹傳統(tǒng)中醫(yī)癥狀本體的研究背景與意義；第4章介紹基于主動學習的傳統(tǒng)中醫(yī)癥狀本體構(gòu)建方法可行性分析及結(jié)果和性能評價；第5章總結(jié)全文。1研究的范疇和發(fā)展現(xiàn)狀1.1 本體的概述本體最早是一個源于哲學的概念，是一種對“存在”的系統(tǒng)化解釋，用于描述事務的本質(zhì)。后來知識工程學者借用了這個概念，在開發(fā)知識系統(tǒng)時用于領(lǐng)域知識的獲取。近年來，本體的概念被越來越多的應用于計算機知識工程領(lǐng)域，用于對客觀世界的存在進行系統(tǒng)化描述，方便知識的重用和交互。本體是用于描述一個領(lǐng)域的術(shù)語集合，其組織結(jié)構(gòu)是層次結(jié)構(gòu)化的，可以作為一個知識庫的骨架和基礎(chǔ)。1.2 本

5、體的分類目前關(guān)于本體的研究非常廣泛，尤其是在國外，許多研究組織和機構(gòu)都研究建立了各種各具特色的本體。針對目前由現(xiàn)的各種各樣的本體，也由現(xiàn)了不同的分類方法，最為廣泛的分類方法是根據(jù)本體應用主題，將這些為數(shù)眾多的本體劃分為五種類型：領(lǐng)域本體、通用或常識本體、知識本體、語言學本體和任務本體。領(lǐng)域本體主要有以下作用：可以明確專業(yè)術(shù)語、關(guān)系及其領(lǐng)域公理，使其形式化；在人與人之間、人與機器之間達到共享；實現(xiàn)一定程度的領(lǐng)域知識復用。止匕外，Guarin也提由以詳細程度和領(lǐng)域依賴度兩個方面對本體進行劃分。其中，根據(jù)本體對領(lǐng)域的依賴程度由高到低可分為四個類別：頂級本體(top-levelOntologies)、

6、領(lǐng)域本體(domainOntologies)>任務本體(taskOntologies)和應用本體(applicationOntologies)。1.3 本體的應用領(lǐng)域目前，本體已經(jīng)被廣泛應用于知識工程、自然語言處理、數(shù)字圖書館、信息檢索和Web異構(gòu)信息的處理、軟件復用、面向?qū)ο蠹夹g(shù)和語義Web等領(lǐng)域。典型的應用有：(1)基于語義的信息檢索，特別是網(wǎng)絡搜索引擎和數(shù)字化圖書館。(2)基于本體的數(shù)據(jù)集成、機器學習等。(3)領(lǐng)域本體的應用。(4)語義Web服務。(5)在線元數(shù)據(jù)管理和自動信息發(fā)布。1.4 本體研究的現(xiàn)狀對本體的研究和應用近年來發(fā)展很快。在1998年6月，第一屆“信息系統(tǒng)中的形式化

7、本體論國際會議”的召開標志著這一領(lǐng)域在逐漸走向成熟。從國外的研究情況來看，20世紀80年代末至90年代初，哲學領(lǐng)域的概念“Ontology”被AI領(lǐng)域所借鑒，本體的建模方法也初步確立，本體論把知識工程中的知識向更深入的方向推進。近年來，國外對本體建模作了大量研究并將其運用于知識工程領(lǐng)域。主要代表為：1.5 萬維網(wǎng)聯(lián)盟W3C(WorldWideWebConsortium)的研究；1.6 德國卡爾斯魯厄大學的RudiStuder,AlexanderMaeche和以他們?yōu)槭椎腁IFB研究所從事的創(chuàng)建基于本體的知識門戶和語義門戶研究；1.7 美國斯坦福大學的知識系統(tǒng)實驗室(KSD對本體建模工具和本體應用層面的研究。與國外相比，國內(nèi)無論是在理論研究、實證研究還是在技術(shù)手段的實現(xiàn)和應用方面都相對落后，與國外高水平的研究相比存在很大差距。國內(nèi)對于本體的研究大約始于20世紀90年代初。目前，國內(nèi)進行本體研究的主