机读格式显示(MARC)

• 000 02076nam0 2200313 450

• 001 0000533931

• 005 20200916093800.0

• 010 __ |a 978-7-03-064499-2 |d CNY98.00

• 100 __ |a 20200422d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 面向文本的领域本体构建中信息抽取技术研究 |A mian xiang wen ben de ling yu ben ti gou jian zhong xin xi chou qu ji shu yan jiu |d = Research on information extraction technology in the construction of domain ontology on text |f 徐坚 ... [等] 著 |z eng

• 210 __ |a 北京 |c 科学出版社 |d 2020.3

• 215 __ |a 245页 |c 图 |d 24cm

• 300 __ |a 国家自然科学基金项目（61862068）云南师范大学教育技术学博士点学科资助 云南省智慧教育重点实验室 云南省高校教育大数据应用技术科技创新团队 昆明市教育信息化重点实验室

• 304 __ |a 题名页题其他责任者: 姚贤明，王俊，甘健民

• 320 __ |a 有书目 (第237-245页)

• 330 __ |a 本体分为通用本体和领域本体，领域本体是当前的主流研究方向。领域本体作为一种重要的知识库，广泛应用于智能搜索、智能问答等领域。因此，怎样高效构建领域本体意义重大。本体构建可采用手工方式构建和采用半自动、自动技术构建。手工方式构建由于强烈依赖本体专家介入，存在着主观性强、成本高、效率低等问题，而采用半自动、自动技术可容易地使用其它研究领域的研究成果，并使用不同数据源来构建本体。其中海量文本数据源优势明显，数据量大、容易获得。因而，本书关注如何有效地使用海量文本资源来构建领域本体。传统的本体构建有六大任务模块：预处理、术语抽取、概念抽取、层次关系抽取、非层次关系抽取、形成本体等，而抽取工作是其中的重要研究内容，因此，本书专注研究其中的4个与抽取相关的任务：术语抽取、概念抽取、层次关系抽取、非层次关系抽取，本书对近年来在领域本体学习研究方面取得的一些成果进行的梳理和总结。

• 333 __ |a 计算机相关专业人员。

• 510 1_ |a Research on information extraction technology in the construction of domain ontology on text |z eng

• 606 0_ |a 信息处理 |A xin xi chu li |x 数据采集 |x 研究

• 690 __ |a TP391 |v 5

• 701 _0 |a 徐坚 |A xu jian |4 著

• 701 _0 |a 姚贤明 |A yao xian ming |4 著

• 701 _0 |a 王俊 |A wang jun |4 著

• 801 _0 |a CN |b 江苏新华 |c 20200413

• 905 __ |a LIB |d TP391/90