[论文解读] Hyponymy Extraction Of Domain Ontology Concept Based On Ccrfs And Hierarchy Clustering*

Qiang Zhan|arXiv (Cornell University)|Jul 31, 2015

Advanced Text Analysis Techniques参考文献 9被引用 2

一句话总结

本文提出一种基于级联条件随机场（CCRFs）的两阶段同义词抽取方法，用于领域本体概念的抽取。该方法首先利用CCRFs识别简单和嵌套的领域概念，随后通过层次聚类建立上下位关系。该方法在从自由文本中提取有意义的本体层次结构方面表现出高效率。

ABSTRACT

Concept hierarchy is the backbone of ontology, and the concept hierarchy acquisition has been a hot topic in the field of ontology learning. this paper proposes a hyponymy extraction method of domain ontology concept based on cascaded conditional random field(CCRFs) and hierarchy clustering. It takes free text as extracting object, adopts CCRFs identifying the domain concepts. First the low layer of CCRFs is used to identify simple domain concept, then the results are sent to the high layer, in which the nesting concepts are recognized. Next we adopt hierarchy clustering to identify the hyponymy relation between domain ontology concepts. The experimental results demonstrate the proposed method is efficient.

研究动机与目标

• 为解决在领域本体学习中自动获取概念层次结构的挑战。
• 提高从非结构化文本中识别简单和嵌套领域概念的准确性。
• 利用聚类技术建立本体概念之间的可靠上下位关系。
• 开发一种级联模型，通过分层条件随机场提升概念识别能力。

提出的方法

• 该方法采用具有两层结构的级联条件随机场（CCRFs）：下层用于识别简单领域概念，上层用于检测嵌套概念。
• 将下层CCRF的输出输入至上层，以优化并检测复杂或嵌套的领域概念。
• 对识别出的领域概念应用层次聚类，基于语义和结构相似性发现上下位关系。
• 该方法以自由文本作为输入，实现端到端的抽取，无需预标注数据。
• 该模型利用序列标注和上下文感知的特征学习，以提升对领域特定术语的识别能力。

实验结果

研究问题

• RQ1 如何从非结构化文本中有效识别简单和嵌套的领域概念？
• RQ2 如何最优地级联条件随机场以实现渐进式概念识别？
• RQ3 如何从自由文本中可靠地抽取领域概念之间的上下位关系？
• RQ4 层次聚类在多大程度上提升了上下位关系检测的准确性？

主要发现

• 所提出的基于CCRF的方法能有效从自由文本中识别出简单和嵌套的领域概念。
• 级联结构通过利用跨层的上下文依赖关系，提升了识别的准确性。
• 层次聚类成功建立了提取出的领域概念之间的上下位关系。
• 整体方法在从原始文本中抽取领域本体层次结构方面表现出高效率。