王向前，桂冬冬，李慧宗

（1.安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院；2.復(fù)旦大學(xué)管理科學(xué)與工程博士后流動(dòng)站）

1 引言

目前，本體已越來(lái)越被人們所重視，特別是在知識(shí)工程、信息檢索與獲取、知識(shí)表示等領(lǐng)域。最早提出的本體的概念屬于哲學(xué)領(lǐng)域，［1］后來(lái)越來(lái)越多的學(xué)者開(kāi)始對(duì)本體進(jìn)行研究，現(xiàn)在被廣泛認(rèn)可的本體的定義是Studer提出的“本體是對(duì)共享概念模型的一種明確的、形式化的、規(guī)范的說(shuō)明”。［2］

本體構(gòu)建就是構(gòu)建本體的過(guò)程，目前采用較多的兩個(gè)方法一種是依靠領(lǐng)域?qū)＜疫M(jìn)行手工構(gòu)建，另一種是由人工參與機(jī)器輔助實(shí)現(xiàn)的半自動(dòng)構(gòu)建。手工構(gòu)建的本體，其知識(shí)及關(guān)系完全由領(lǐng)域?qū)＜掖_定，目前，最大、最完整的本體是大型知識(shí)庫(kù)系統(tǒng)CYC，該本體含有約50,000個(gè)概念，概念間的約束和關(guān)系高達(dá)4,000,000以上。［3］盡管通過(guò)手工構(gòu)建的本體內(nèi)容控制嚴(yán)格、質(zhì)量較高，但傳統(tǒng)手工構(gòu)建的方法缺乏靈活性、構(gòu)建成本高、效率低下。目前，不同領(lǐng)域的專(zhuān)家對(duì)一些概念的認(rèn)知仍未統(tǒng)一，一定程度上影響本體的擴(kuò)展性。使用人工參與機(jī)器輔助的半自動(dòng)方法構(gòu)建本體，可以更全面、更快速地提取本體概念知識(shí)及其關(guān)系。田偉等［4］利用實(shí)例和屬性集構(gòu)造概念格發(fā)現(xiàn)了隱含的概念及其之間的關(guān)系，并通過(guò)映射得到本體主干；他們利用Java的一個(gè)API——Jena及OWL本體語(yǔ)言對(duì)本體原型進(jìn)行編碼，最終完成本體的構(gòu)建。半自動(dòng)構(gòu)建方式雖然可以通過(guò)機(jī)器輔助來(lái)減少工作量，但是在概念提取及其關(guān)系的提取上仍舊依賴(lài)于人工，所構(gòu)建的本體具有主觀性和局限性。

可見(jiàn)，以上兩種構(gòu)建方式仍然存在缺點(diǎn)和不足，因此，越來(lái)越多的學(xué)者開(kāi)始研究通過(guò)何種方法可以更好地實(shí)現(xiàn)本體的自動(dòng)構(gòu)建。［5］本體的自動(dòng)構(gòu)建就是由機(jī)器通過(guò)學(xué)習(xí)、自然語(yǔ)言處理技術(shù)及人工智能等方法，自動(dòng)地從大量自由文本、機(jī)器可以識(shí)別的詞典、敘詞表、數(shù)據(jù)庫(kù)等數(shù)據(jù)源中獲取概念及概念間關(guān)系，從而完成本體的構(gòu)建。此方法不僅可以從已有的數(shù)據(jù)源中發(fā)現(xiàn)知識(shí)，還可以挖掘出更多的潛在知識(shí)。Microsoft公司的商業(yè)產(chǎn)品MindNet就是基于自動(dòng)構(gòu)建方式構(gòu)建的，其知識(shí)來(lái)源于詞典和百科全書(shū)。［6］但在國(guó)內(nèi)，由于中文語(yǔ)言的復(fù)雜性，在面向文本的本體自動(dòng)構(gòu)建方面一般都是只提出一些指導(dǎo)性的方針，具體的實(shí)現(xiàn)方法很少。因此，本文針對(duì)本體自動(dòng)構(gòu)建過(guò)程中的相關(guān)技術(shù)和方法進(jìn)行綜述，旨在為研究出具體的面向文本的本體自動(dòng)構(gòu)建方法提供思路。

2 文獻(xiàn)綜述

解崢等對(duì)1999-2010年的本體自動(dòng)構(gòu)建方法進(jìn)行了綜述，主要分為以下幾類(lèi)方法：① 從局部到全體的方法；② 中間擴(kuò)展法；③ 直接抽取文檔構(gòu)建本體。作者對(duì)這些本體自動(dòng)構(gòu)建方法中普遍存在的問(wèn)題進(jìn)行了總結(jié)：① 大多數(shù)方法還需要由領(lǐng)域?qū)＜覅f(xié)助完成初始本體的構(gòu)建以及領(lǐng)域間關(guān)系的擴(kuò)展，沒(méi)有真正實(shí)現(xiàn)“自動(dòng)”；② 對(duì)本體自動(dòng)構(gòu)建方法的研究大多只是理論過(guò)程的討論和簡(jiǎn)單的驗(yàn)證，沒(méi)有具體、系統(tǒng)的方法；③ 大多數(shù)處理語(yǔ)義間概念關(guān)系的方法都要借助原有的語(yǔ)言分析軟件，新的語(yǔ)言分析軟件較少；④ 部分方法得以實(shí)現(xiàn)的前提是必須有一些可用的本體資源，但在實(shí)際情況中，這一條件很難被滿(mǎn)足。［7］劉萍等基于語(yǔ)言學(xué)和統(tǒng)計(jì)的方法對(duì)本體自動(dòng)構(gòu)建中的概念抽取和概念關(guān)系識(shí)別進(jìn)行綜述分析，并對(duì)本體自動(dòng)構(gòu)建方面需加以改善的地方進(jìn)行了總結(jié)：① 增強(qiáng)對(duì)抽取概念的語(yǔ)義理解；② 多類(lèi)型數(shù)據(jù)源的結(jié)合；③ 本體的自動(dòng)進(jìn)化（本體自身進(jìn)化和本體的對(duì)外進(jìn)化）。［8］Gomez-Pere等研究了從文本中進(jìn)行本體構(gòu)建的36個(gè)方法，對(duì)不同數(shù)據(jù)源進(jìn)行了分析：① 缺乏一個(gè)通用的、具體的從文本中進(jìn)行本體構(gòu)建的方法體系；② 大多數(shù)從文本中進(jìn)行本體構(gòu)建的過(guò)程主要基于自然語(yǔ)言分析技術(shù)，具體的構(gòu)建過(guò)程由作為數(shù)據(jù)源的語(yǔ)料庫(kù)決定；③ 幾乎沒(méi)有完全自動(dòng)化的面向文本的本體構(gòu)建系統(tǒng)，多數(shù)方法在本體概念提取及概念間關(guān)系提取階段都需要人工參與。［9］Ying Ding等通過(guò)12個(gè)研究項(xiàng)目對(duì)從文本中進(jìn)行本體構(gòu)建的方法進(jìn)行綜述分析，得出以下結(jié)論。① 一些以半結(jié)構(gòu)化的數(shù)據(jù)為數(shù)據(jù)源的本體構(gòu)建過(guò)程，需要事先由領(lǐng)域?qū)＜姨峁┓N子概念集合，利用這些種子概念收集數(shù)據(jù)資源或者完成目標(biāo)本體的基本框架的構(gòu)建，但以非結(jié)構(gòu)化文本作為數(shù)據(jù)源的本體構(gòu)建的方法還不能應(yīng)用于實(shí)踐；②已經(jīng)出現(xiàn)了一些比較成熟的詞性標(biāo)注、詞義消歧、模式匹配等本體構(gòu)建過(guò)程中的概念抽取技術(shù)；③ 中文復(fù)雜的語(yǔ)法結(jié)構(gòu)使得概念間關(guān)系的抽取變得更加復(fù)雜，解決難度也更大。有學(xué)者指出，采用自動(dòng)、半自動(dòng)化的本體構(gòu)建技術(shù)是未來(lái)面向文本的本體構(gòu)建的主要研究方向。［10-11］任飛亮等從以文本作為數(shù)據(jù)源的本體構(gòu)建過(guò)程中的術(shù)語(yǔ)抽取、概念抽取、概念間關(guān)系抽取角度出發(fā)，對(duì)這三個(gè)方面的技術(shù)進(jìn)行了綜述，對(duì)本體構(gòu)建中的本體形成、本體評(píng)價(jià)的方法進(jìn)行了綜述，同時(shí)還介紹了一些目前比較常見(jiàn)的本體構(gòu)建系統(tǒng)。作者發(fā)現(xiàn)：① 在本體構(gòu)建過(guò)程中，人工的概念獲取方式已經(jīng)無(wú)法應(yīng)用于大規(guī)模的文本；② 對(duì)于概念有時(shí)會(huì)存在歧義這一問(wèn)題，在目前的本體構(gòu)建研究中還未得到足夠的重視；③ 利用人工構(gòu)建方式和半自動(dòng)構(gòu)建方式所得到的本體的移植性較差。作者認(rèn)為，在未來(lái)幾年利用自然語(yǔ)言處理和機(jī)器學(xué)習(xí)等技術(shù)來(lái)進(jìn)行本體構(gòu)建是未來(lái)以文本作為數(shù)據(jù)源的本體構(gòu)建研究的重點(diǎn)研究方向。［12］

綜上，可以得出以下結(jié)論：① 如何實(shí)現(xiàn)概念的自動(dòng)抽取及其關(guān)系的自動(dòng)提取是本體自動(dòng)構(gòu)建的核心；② 從大量的文本數(shù)據(jù)中構(gòu)建本體是未來(lái)的研究熱點(diǎn)；③ 未來(lái)在研究本體自動(dòng)構(gòu)建方面，應(yīng)主要研究如何實(shí)現(xiàn)真正的“自動(dòng)”，或者僅需少量的人工參與。

3 本體自動(dòng)構(gòu)建關(guān)鍵技術(shù)

當(dāng)下，信息網(wǎng)絡(luò)迅速發(fā)展，數(shù)據(jù)呈爆炸式增長(zhǎng)，大量數(shù)據(jù)以非結(jié)構(gòu)化的形式存在，并且其增長(zhǎng)的速度遠(yuǎn)高于結(jié)構(gòu)化數(shù)據(jù)的增長(zhǎng)速度，通過(guò)分析非結(jié)構(gòu)化數(shù)據(jù)可以發(fā)現(xiàn)之前很難或無(wú)法確定的重要相互關(guān)系。在非結(jié)構(gòu)化數(shù)據(jù)中，存在著大量的數(shù)據(jù)純文本，這種純文本獲取便捷并且內(nèi)容豐富，因此越來(lái)越多的研究者開(kāi)始關(guān)注如何從文本中進(jìn)行本體的自動(dòng)構(gòu)建。面向文本的本體自動(dòng)構(gòu)建就是以文本作為數(shù)據(jù)輸入，即從文本中挖掘本體知識(shí)。也有部分學(xué)者以本體為基礎(chǔ)，研究如何將已有的多個(gè)本體進(jìn)行合并或者通過(guò)不斷擴(kuò)展新的概念和新的關(guān)系來(lái)形成目標(biāo)本體。［13-15］而使用后一種方法的前提條件是要有一些可用的本體資源，但是在實(shí)際操作中，這個(gè)條件基本很難被滿(mǎn)足。面向文本的本體自動(dòng)構(gòu)建流程通常涉及文本預(yù)處理、術(shù)語(yǔ)自動(dòng)抽取、關(guān)系自動(dòng)抽?。▽哟侮P(guān)系和非層次關(guān)系）等關(guān)鍵技術(shù)（見(jiàn)下圖），本節(jié)主要對(duì)從文本數(shù)據(jù)中自動(dòng)構(gòu)建本體的各個(gè)步驟的相關(guān)技術(shù)進(jìn)行介紹。

圖 面向文本的本體自動(dòng)構(gòu)建技術(shù)線路

3.1 文本預(yù)處理

為了使構(gòu)建的本體更加全面，我們需要獲取大量的文本數(shù)據(jù)，而從Web中獲取的文本數(shù)據(jù)都是沒(méi)有經(jīng)過(guò)任何處理的非結(jié)構(gòu)化數(shù)據(jù)，其中包含大量的冗余數(shù)據(jù)。因此，為了獲取領(lǐng)域概念，需要通過(guò)一些自然語(yǔ)言處理技術(shù)對(duì)文本進(jìn)行噪音數(shù)據(jù)清洗、標(biāo)記化、分詞、詞性標(biāo)注等，為概念自動(dòng)提取做準(zhǔn)備。段煉［16］利用Java語(yǔ)言的JNI技術(shù)，將中國(guó)科學(xué)院分詞器ICTCLAS集成到自然語(yǔ)言處理開(kāi)源軟件GATE中，對(duì)文本數(shù)據(jù)進(jìn)行分詞、詞性標(biāo)注、位置標(biāo)注等。馮曉宜［17］在進(jìn)行文本預(yù)處理時(shí)，通過(guò)盤(pán)古分詞對(duì)文本進(jìn)行分詞，并綜合哈爾濱工業(yè)大學(xué)停用詞表對(duì)分詞過(guò)后的文本進(jìn)行停用詞的過(guò)濾。由于文本預(yù)處理大多都包含在概念抽取的任務(wù)中，所以在這里不進(jìn)行著重介紹。

3.2 術(shù)語(yǔ)自動(dòng)抽取

在本體構(gòu)建過(guò)程中，概念抽取是一項(xiàng)必不可少的任務(wù)，無(wú)論是關(guān)系的獲取還是實(shí)例的獲取都離不開(kāi)本體概念的自動(dòng)抽取。但是，并不是所有的本體構(gòu)建方法都會(huì)明確地進(jìn)行概念的提取，一些特定專(zhuān)業(yè)領(lǐng)域會(huì)將術(shù)語(yǔ)直接看作概念，［18-19］也有一些研究者通過(guò)對(duì)所提取到的術(shù)語(yǔ)進(jìn)行過(guò)濾然后選擇一些重要的術(shù)語(yǔ)作為概念。［20］國(guó)外關(guān)于術(shù)語(yǔ)自動(dòng)提取的研究相對(duì)較早，國(guó)內(nèi)則是近十年才開(kāi)始大量研究的，其中大多數(shù)都結(jié)合了中文的語(yǔ)言特點(diǎn)，目前比較常用的方法有三種：基于語(yǔ)言學(xué)規(guī)則、基于統(tǒng)計(jì)以及兩者相混合的方法。

（1）基于語(yǔ)言學(xué)規(guī)則的方法?；谡Z(yǔ)言學(xué)知識(shí)的方法主要是根據(jù)術(shù)語(yǔ)的模式、特征、語(yǔ)義信息等從語(yǔ)料庫(kù)中進(jìn)行術(shù)語(yǔ)的抽?。ㄒ?jiàn)表1）。段國(guó)成提出，將普通詞典和種子擴(kuò)展法相結(jié)合來(lái)進(jìn)行單詞術(shù)語(yǔ)的自動(dòng)識(shí)別，實(shí)驗(yàn)結(jié)果表明該方法是有效的，但是召回率較低。［21］Sui Z等通過(guò)早期的語(yǔ)法過(guò)濾器進(jìn)行術(shù)語(yǔ)的自動(dòng)提取，該過(guò)濾器的語(yǔ)法規(guī)則比較寬松，可以匹配更多語(yǔ)言結(jié)構(gòu)的術(shù)語(yǔ)。［22］雖然這種方法可以提高術(shù)語(yǔ)抽取的召回率，但卻降低了準(zhǔn)確率。LRJones等基于詞語(yǔ)的語(yǔ)言學(xué)原理，利用語(yǔ)法結(jié)構(gòu)識(shí)別的方法來(lái)識(shí)別術(shù)語(yǔ)，進(jìn)而完成術(shù)語(yǔ)的自動(dòng)提取。［23］B Daille等通過(guò)事先構(gòu)造語(yǔ)模板來(lái)進(jìn)行術(shù)語(yǔ)的自動(dòng)抽取。［24］表1比較了以上幾種基于語(yǔ)言學(xué)規(guī)則的方法。利用語(yǔ)言學(xué)規(guī)則進(jìn)行術(shù)語(yǔ)的自動(dòng)提取的結(jié)果準(zhǔn)確度較高，而且處理過(guò)程簡(jiǎn)單并且能夠提取低頻術(shù)語(yǔ)。但由于語(yǔ)言學(xué)規(guī)則本身難以掌握，尤其對(duì)于開(kāi)放性語(yǔ)料，故語(yǔ)言學(xué)的規(guī)則難以準(zhǔn)確應(yīng)用。

表1 基于語(yǔ)言學(xué)規(guī)則方法的比較

（2）基于統(tǒng)計(jì)的方法?；诮y(tǒng)計(jì)的方法就是通過(guò)對(duì)比領(lǐng)域相關(guān)術(shù)語(yǔ)與普通詞匯的統(tǒng)計(jì)特征來(lái)進(jìn)行術(shù)語(yǔ)的自動(dòng)提取。Justeson等統(tǒng)計(jì)了計(jì)算詞在語(yǔ)料庫(kù)出現(xiàn)的頻率，通過(guò)詞性過(guò)濾器篩來(lái)選擇候選術(shù)語(yǔ)。［25］Benabdallah等在準(zhǔn)備好語(yǔ)料庫(kù)后，用重復(fù)分段法提取所有不同的術(shù)語(yǔ)，并用“加權(quán)過(guò)濾器”（TF-IDF）去除一些不被認(rèn)為是領(lǐng)域術(shù)語(yǔ)的詞。［26］Pantel等通過(guò)結(jié)合互信息和對(duì)數(shù)似然兩個(gè)參數(shù)來(lái)進(jìn)行術(shù)語(yǔ)提取，采用互信息的方法來(lái)度量文本中兩個(gè)相鄰詞之間的相互依賴(lài)程度，并計(jì)算出這兩個(gè)相鄰的詞能夠組成術(shù)語(yǔ)的可能性，從而完成術(shù)語(yǔ)的自動(dòng)提取。［27］王強(qiáng)軍提出基于連續(xù)指數(shù)的術(shù)語(yǔ)抽取，同時(shí)結(jié)合TF-IDF以及依據(jù)領(lǐng)域相關(guān)性考察候選術(shù)語(yǔ)的術(shù)語(yǔ)度方法來(lái)進(jìn)行術(shù)語(yǔ)的自動(dòng)提取。［28］表2比較了以上幾種基于統(tǒng)計(jì)的方法。基于統(tǒng)計(jì)方法來(lái)自動(dòng)提取術(shù)語(yǔ)可以有效識(shí)別域術(shù)語(yǔ)，并且此方法不需要語(yǔ)法和語(yǔ)義上的信息，不限于特定的專(zhuān)業(yè)領(lǐng)域，具有良好的可移植性，但基于統(tǒng)計(jì)的方法必須對(duì)整個(gè)語(yǔ)料庫(kù)進(jìn)行計(jì)算，計(jì)算量大，且在處理低頻項(xiàng)時(shí)效果不佳。

表2 基于統(tǒng)計(jì)方法的比較

（3）語(yǔ)言學(xué)規(guī)則與統(tǒng)計(jì)相結(jié)合的方法。基于語(yǔ)言學(xué)規(guī)則和基于統(tǒng)計(jì)的方法都存在一定的缺陷，因此大量研究者將兩種方法相結(jié)合，綜合兩種方法的優(yōu)勢(shì)來(lái)進(jìn)行術(shù)語(yǔ)的自動(dòng)抽取。Missikof等憑借淺層解析技術(shù)從文本中提取出候選術(shù)語(yǔ)，利用統(tǒng)計(jì)的方法來(lái)對(duì)所提取的候選術(shù)語(yǔ)進(jìn)行過(guò)濾，通過(guò)對(duì)比能夠成為術(shù)語(yǔ)的相關(guān)指標(biāo)來(lái)確定術(shù)語(yǔ)，完成本體的術(shù)語(yǔ)提取。［29］C Enguehard等計(jì)算各個(gè)詞語(yǔ)在文本中出現(xiàn)的頻率，抽取頻率較高的簡(jiǎn)單術(shù)語(yǔ)并將其與語(yǔ)言啟發(fā)式結(jié)合起來(lái)，抽取其他的術(shù)語(yǔ)候選詞。［30］Yang等提出一種新的基于自舉的術(shù)語(yǔ)自動(dòng)獲取算法，根據(jù)互信息和信息熵的組合條件提取復(fù)合詞并引入語(yǔ)義因子來(lái)避免遺漏頻域術(shù)語(yǔ)或與其他領(lǐng)域術(shù)語(yǔ)語(yǔ)義相似的術(shù)語(yǔ)。［31］張華楠等根據(jù)中文文本結(jié)構(gòu)的特點(diǎn)，利用規(guī)則學(xué)習(xí)來(lái)獲取候選術(shù)語(yǔ)，結(jié)合改進(jìn)后的DR&DC、TF-IDF和NC-Value三種策略對(duì)候選術(shù)語(yǔ)進(jìn)行篩選從而獲得最終的術(shù)語(yǔ)。［32］劉豹等提出使用條件隨機(jī)場(chǎng)模型標(biāo)記和識(shí)別文本，再基于語(yǔ)言學(xué)規(guī)則對(duì)識(shí)別的結(jié)果進(jìn)行過(guò)濾，從而完成術(shù)語(yǔ)的自動(dòng)提取。［33］表3比較了以上幾種語(yǔ)言學(xué)規(guī)則與統(tǒng)計(jì)相結(jié)合的方法。

表3 基于語(yǔ)言學(xué)規(guī)則和統(tǒng)計(jì)相結(jié)合方法的比較

3.3 關(guān)系自動(dòng)抽取

本體自動(dòng)構(gòu)建中的另一個(gè)關(guān)鍵任務(wù)是概念間關(guān)系自動(dòng)抽取，概念間的關(guān)系決定著本體的最終結(jié)構(gòu)，概念間關(guān)系的具體程度直接影響所構(gòu)建本體的最終質(zhì)量，本體概念間的關(guān)系主要分為層次關(guān)系和非層次關(guān)系。對(duì)于概念間層次關(guān)系的自動(dòng)提取，Mari-Sanna Paukkeri等［34］通過(guò)特征抽取與層次聚相結(jié)合類(lèi)的方法，對(duì)數(shù)據(jù)源中概念間的層次關(guān)系進(jìn)行自動(dòng)獲取。Shih C W等利用crystallizing方法進(jìn)行迭代聚類(lèi)，并采用置信度和TF-IDF算法來(lái)度量?jī)蓚€(gè)概念間的緊密度，從而提取概念間的層次關(guān)系。［35］溫春等采用層次聚類(lèi)和FCA聚類(lèi)相結(jié)合的方法來(lái)完成概念間層次關(guān)系的自動(dòng)提取。［36］湯青等基于“是一個(gè)”模式，通過(guò)將句法分析和規(guī)則匹配結(jié)合的方法來(lái)進(jìn)行概念間上下位關(guān)系的自動(dòng)抽取。［37］

概念間的非層次關(guān)系是指層次關(guān)系以外的關(guān)系，相對(duì)于概念間的層次關(guān)系，非層次關(guān)系的類(lèi)別更難以確定并且更具有隱蔽性，因而概念間的非層次關(guān)系的提取要比層次關(guān)系的提取更為困難和復(fù)雜。Maedche等首次研究了如何在文本中對(duì)非層次關(guān)系進(jìn)行自動(dòng)提取的問(wèn)題，提出利用淺文本處理技術(shù)進(jìn)行非層次關(guān)系挖掘，基于關(guān)聯(lián)規(guī)則提取關(guān)系并確定其抽象層次。［38］David Sanchez等通過(guò)形式概念分析（FCA）和自然語(yǔ)言處理（NLP）的方法對(duì)文本中概念間的非層次關(guān)系進(jìn)行自動(dòng)提取。［39］王紅等結(jié)合關(guān)聯(lián)規(guī)則和自然語(yǔ)言處理技術(shù)，提出了一種基于NNV關(guān)聯(lián)規(guī)則的非層次關(guān)系的自動(dòng)提取方法。［40］李林等通過(guò)模式匹配（詞匯—句法）和關(guān)聯(lián)規(guī)則相結(jié)合的方法進(jìn)行非層次關(guān)系的抽取。［41］非層次關(guān)系具有多樣性和復(fù)雜性的特點(diǎn)，國(guó)內(nèi)外關(guān)于非層次關(guān)系自動(dòng)提取方面的研究相對(duì)較少，尤其是從中文文本中進(jìn)行非層次關(guān)系的自動(dòng)獲取的研究就更少了。非層次關(guān)系使本體中知識(shí)表達(dá)的復(fù)雜性和完備性成倍增長(zhǎng)，所以研究如何從中文文本中進(jìn)行非層次關(guān)系的自動(dòng)獲取將是未來(lái)本體研究的重中之重。

4 問(wèn)題與展望

通過(guò)上述分析可以看出，如何進(jìn)行本體的自動(dòng)構(gòu)建已成為目前本體研究的主流方向和熱點(diǎn)課題，研究者們對(duì)于面向文本的本體自動(dòng)構(gòu)建過(guò)程中各個(gè)任務(wù)的相關(guān)技術(shù)也進(jìn)行了較為深入的研究，但仍存在一些問(wèn)題。

（1）對(duì)于本體術(shù)語(yǔ)的自動(dòng)提取。① 術(shù)語(yǔ)的提取精度取決于對(duì)文本進(jìn)行分詞和語(yǔ)義標(biāo)注的準(zhǔn)確度。在分詞過(guò)程中，可能會(huì)由于領(lǐng)域?qū)I(yè)詞匯量的缺乏導(dǎo)致領(lǐng)域術(shù)語(yǔ)被錯(cuò)誤地分成多個(gè)單詞或者是單詞片段，進(jìn)而影響對(duì)術(shù)語(yǔ)的提取。② 目前，大多數(shù)術(shù)語(yǔ)自動(dòng)抽取的方法都是使用準(zhǔn)確率、召回率和F值等統(tǒng)計(jì)學(xué)指標(biāo)衡量術(shù)語(yǔ)提取精度，而對(duì)于提取到的術(shù)語(yǔ)的語(yǔ)義上的考量（如是否存在歧義、近義詞等）還相對(duì)缺乏。③ 一些術(shù)語(yǔ)自動(dòng)提取的方法在不同領(lǐng)域有不同的適用性，換句話說(shuō)，某個(gè)術(shù)語(yǔ)自動(dòng)提取方法在某個(gè)領(lǐng)域的語(yǔ)料中表現(xiàn)出很好的效果，但并不代表其在其他領(lǐng)域的表現(xiàn)依舊良好。

（2）對(duì)于關(guān)系的自動(dòng)提取，由于概念間非層次關(guān)系的復(fù)雜性導(dǎo)致其提取難度較大，并且已有的非層次間關(guān)系自動(dòng)提取的方法只能判斷出兩個(gè)概念之間是否存在關(guān)系、無(wú)法判斷出兩個(gè)概念之間存在的關(guān)系到底為哪種關(guān)系，即所得到的非層次關(guān)系都為“匿名”關(guān)系。通過(guò)對(duì)概念間非層次關(guān)系進(jìn)行系統(tǒng)研究，可以使構(gòu)建的本體更加全面，且能夠?yàn)閷?shí)際應(yīng)用提供幫助。

在未來(lái)的研究中，還需對(duì)以下幾個(gè)方面進(jìn)行深入研究。① 近幾年，針對(duì)面向文本的本體自動(dòng)（半自動(dòng)）構(gòu)建，一些研究者提出本體學(xué)習(xí)的概念，但由于中文文本具有較大的靈活性且中文的表達(dá)結(jié)構(gòu)相對(duì)于英文而言更為復(fù)雜，面向中文文本的本體學(xué)習(xí)有待更深入地研究。② 目前，對(duì)于本體構(gòu)建過(guò)程中的概念自動(dòng)提取及其關(guān)系的自動(dòng)提取的研究成果較為豐富，但在銜接這些步驟來(lái)完成整體的本體構(gòu)建時(shí)還需要人工來(lái)參與銜接。另外，在利用本體編輯器構(gòu)建本體時(shí)，仍需要人工進(jìn)行概念及其關(guān)系的添加?？梢?jiàn)，構(gòu)建一個(gè)本體自動(dòng)構(gòu)建系統(tǒng)是解決這個(gè)問(wèn)題的有效途徑。③ 構(gòu)建本體的目的在于實(shí)現(xiàn)知識(shí)系統(tǒng)的自動(dòng)推理，如何有效地將本體自動(dòng)構(gòu)建技術(shù)和自動(dòng)推理技術(shù)結(jié)合起來(lái)，從而開(kāi)發(fā)人工智能系統(tǒng)并將其運(yùn)用到實(shí)際應(yīng)用中也是一個(gè)值得研究的問(wèn)題。④ 本體中的概念不是一成不變的，隨著文本知識(shí)的不斷擴(kuò)充，領(lǐng)域概念也會(huì)不斷更新，如何實(shí)現(xiàn)本體自動(dòng)更新為本體的自動(dòng)構(gòu)建帶來(lái)了更大的挑戰(zhàn)。