基于領域本體的XML語義信息抽取的研究與實現(xiàn).pdf

1、XML(可擴展標記語言)作為W3C數(shù)據(jù)描述和交換的標準格式語言，已經(jīng)得到了廣泛的應用，不論是Semantic Web還是WebServices都采用XML作為其數(shù)據(jù)表示和數(shù)據(jù)交換的標準格式。XML已經(jīng)發(fā)展成為信息應用等領域數(shù)據(jù)表示與數(shù)據(jù)交換的主要媒介。但是，XML本身只能表達數(shù)據(jù)的語法，而不能表示形式化的語義。隱含在XML文檔中的語義信息只對人們來說有較大意義，而計算機卻難以理解。要實現(xiàn)計算機的對文檔信息的理解和自動處理，文檔數(shù)據(jù)中必須

2、包含明確的語義級信息。 本文針對這個問題，提出了基于領域本體實現(xiàn)對XML的語義信息抽取的方法，包含了二大部分內容，領域本體的構建和基于領域本體的XML語義信息抽取。 在領域本體構建部分，對比研究了領域本體構建工具和構建方法，并對構建方法做了新的探討，提出了一種本體構建的原型迭代法，把軟件工程學中的基于軟件生命周期模型的迭代模型，引入到本體構建過程中來。本文結合在工作室參與研究的項目，構建了水運規(guī)費征稽的領域本體。為了減輕

3、本體構建的工作量，本文借助了斯坦福大學開發(fā)的Protege本體構建工具和漢堡大學開發(fā)的Race推理機作為本體驗證工具。 在基于領域本體的XML語義信息抽取部分，本文設計了基于領域本體的XML語義信息抽取模型，包含本體導入解析模塊，導入XML數(shù)據(jù)源模塊，語義標注XML元數(shù)據(jù)模塊和XML語義信息抽取模塊，并對這四個模塊的實現(xiàn)做了詳細分析。在深入研究了XML樹模型和RDF圖模型的基礎上，本文提出了XML到RDF的抽取算法，并通過XTR