[發(fā)明專利]一種基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)本體構(gòu)建方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610115254.7
• 申請(qǐng)日: 2016-02-29
• 公開（公告）號(hào): CN105654144B
• 公開（公告）日: 2019-01-29
• 發(fā)明（設(shè)計(jì)）人: 吳天星;李丞;漆桂林
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06Q50/00
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)本體構(gòu)建方法，主要用于處理社交網(wǎng)絡(luò)上的標(biāo)簽之間的上下位關(guān)系(即傳統(tǒng)意義上的包含關(guān)系)的判定以及相應(yīng)的本體的構(gòu)建問題；從社交網(wǎng)絡(luò)上抓取標(biāo)簽作為原始的數(shù)據(jù)集。本發(fā)明首先設(shè)計(jì)了6個(gè)特征值用于刻畫任意兩個(gè)標(biāo)簽之間的相似性，接著從原始數(shù)據(jù)集中挑選了部分標(biāo)簽對(duì)，結(jié)合它們的相似性特征值構(gòu)成訓(xùn)練數(shù)據(jù)集，并人工對(duì)訓(xùn)練數(shù)據(jù)集中的標(biāo)簽對(duì)是否具有上下位關(guān)系進(jìn)行標(biāo)注；然后利用RandomForest的機(jī)器學(xué)習(xí)模型訓(xùn)練我們的訓(xùn)練數(shù)據(jù)集得到分類器模型；之后利用分類器模型對(duì)原始數(shù)據(jù)中任意兩個(gè)標(biāo)簽之間的上下位關(guān)系進(jìn)行判定并標(biāo)注；抽取出所有具有上下位關(guān)系的標(biāo)簽對(duì)，構(gòu)建出最終的社交網(wǎng)絡(luò)本體。

技術(shù)領(lǐng)域

本發(fā)明屬于本體構(gòu)建領(lǐng)域，涉及一種基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)本體構(gòu)建方法。

背景技術(shù)

近年來，社交網(wǎng)絡(luò)飛速發(fā)展，越來越多的人開始使用社交網(wǎng)絡(luò)。隨著社交網(wǎng)絡(luò)的普及，社交網(wǎng)絡(luò)之中的數(shù)據(jù)量也越來越大。很多社交站點(diǎn)允許用戶通過自定義標(biāo)簽的方式對(duì)一些內(nèi)容進(jìn)行標(biāo)注和分類，即我們所說的分眾分類法。這些通過用戶自定義的方式產(chǎn)生的分類標(biāo)簽缺乏規(guī)范性，可能會(huì)有語義模糊、用詞不準(zhǔn)確、一詞多義以及同詞異意等問題。這就給基于分眾分類法的社交本體的構(gòu)建帶來了極大的挑戰(zhàn)。

社交網(wǎng)絡(luò)上存在大量的平面的、雜亂的、無組織的數(shù)據(jù)，這些數(shù)據(jù)得不到充分的利用。而構(gòu)建本體就是對(duì)這些數(shù)據(jù)進(jìn)行建模的一個(gè)很好的方式。將這些平面的數(shù)據(jù)通過本體組織起來，能讓我們更好的去利用這些數(shù)據(jù)，同時(shí)也可以利用本體的結(jié)構(gòu)去挖掘更多社交網(wǎng)絡(luò)上不斷涌現(xiàn)的新知識(shí)。

不同的本體構(gòu)建方法，其構(gòu)建效果也千差萬別。近年來，國內(nèi)外研究人員為了解決分眾分類的本體構(gòu)建問題，提出了許多不同的本體構(gòu)建方法，包括周鑫等人提出的基于概念外延的Folksonomy語義關(guān)系挖掘方法、Xiance Si等人提出的基于標(biāo)簽共現(xiàn)的本體構(gòu)建方法、Huairen Lin等人提出的一種基于關(guān)聯(lián)規(guī)則挖掘和本體概念匹配的社交本體的構(gòu)建方法以及Wen-hao Chen等人提出的一種基于基礎(chǔ)概念的分眾分類本體構(gòu)建方法等。但這些方法都是僅僅基于標(biāo)簽共現(xiàn)和關(guān)聯(lián)規(guī)則挖掘來實(shí)現(xiàn)本體的構(gòu)建，無法深入挖掘本體中標(biāo)簽之間的語義關(guān)系，因此構(gòu)建效果并不盡如人意，達(dá)不到實(shí)用要求。

本文中所提出的基于機(jī)器學(xué)習(xí)的社交本體的構(gòu)建方法，通過設(shè)計(jì)包括標(biāo)簽共現(xiàn)在內(nèi)的六個(gè)相似性特征值去刻畫兩個(gè)標(biāo)簽之間的相似程度，從語言學(xué)、語義以及標(biāo)簽共現(xiàn)三個(gè)角度，全方位描述兩個(gè)標(biāo)簽的語義關(guān)系，讓計(jì)算機(jī)能夠深入理解這兩個(gè)標(biāo)簽的語義關(guān)系，而不僅僅停留于字面的意思，很好地提升了最終的社交的本體構(gòu)建的效果。

發(fā)明內(nèi)容

技術(shù)問題：本發(fā)明提供一種對(duì)于給定的兩個(gè)標(biāo)簽，能夠自動(dòng)判斷這兩個(gè)標(biāo)簽是否具有上下位關(guān)系的基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)本體構(gòu)建方法。同時(shí)，本發(fā)明從社交網(wǎng)絡(luò)上抓取標(biāo)簽，對(duì)這些標(biāo)簽自動(dòng)進(jìn)行上下位關(guān)系的標(biāo)注之后，抽取出所有具有上下位關(guān)系的標(biāo)簽對(duì)，并利用這些標(biāo)簽，構(gòu)建出最終的社交本體。

技術(shù)方案：本發(fā)明的基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)本體構(gòu)建方法，首先從社交網(wǎng)絡(luò)上抓取標(biāo)簽作為原始數(shù)據(jù)集；然后從原始數(shù)據(jù)集中隨機(jī)生成m對(duì)標(biāo)簽并人工從原始數(shù)據(jù)抽取出n對(duì)具有上下位關(guān)系的標(biāo)簽作為訓(xùn)練數(shù)據(jù)集，m和n的比例在3∶1到5∶1之間；接著人工對(duì)訓(xùn)練數(shù)據(jù)集中的每對(duì)標(biāo)簽是否具有上下位關(guān)系進(jìn)行標(biāo)注；然后設(shè)計(jì)了6個(gè)用于刻畫兩個(gè)標(biāo)簽之間的相似性的特征，并計(jì)算訓(xùn)練數(shù)據(jù)集中每對(duì)標(biāo)簽的這六個(gè)特征值，一并加入到訓(xùn)練數(shù)據(jù)集之中；使用機(jī)器學(xué)習(xí)中的RandomForest分類模型和十層交叉驗(yàn)證的方式對(duì)我們的訓(xùn)練數(shù)據(jù)集進(jìn)行分類和驗(yàn)證之后，導(dǎo)出該訓(xùn)練數(shù)據(jù)集對(duì)應(yīng)的分類器模型；利用導(dǎo)出的分類器模型對(duì)原始數(shù)據(jù)進(jìn)行自動(dòng)標(biāo)注；最后抽取出所有被標(biāo)注為具有上下位關(guān)系的標(biāo)簽對(duì)，構(gòu)建最終的社交本體。

本發(fā)明的基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)本體構(gòu)建方法，包括如下步驟：

1)從社交網(wǎng)絡(luò)抓取標(biāo)簽構(gòu)成原始數(shù)據(jù)集。