21、自然语言处理中的本体构建与文本分类技术

自然语言处理中的本体构建与文本分类技术

自然语言与知识表示语言

自然语言并不适合作为知识表示语言。尽管构建本体时必须依赖自然语言（通常是构建者的母语），但有必要将其形式化，即将自然语言的概念转换为形式化符号，并在两者之间建立映射关系。

俄罗斯学者图佐夫（Tuzov V.A.）设计的语义元语言是物理符号和俄语词汇的组合。它具有以下特点：
1. 是一种与自然语言等价的抽象语言，语义完全形式化，只有计算机能够使用这种语言进行交流，与任何自然语言没有直接联系。
2. 是一种形式化的计算机语言，文本意义可以表示为计算机能够理解的形式。

鲁巴什金（Rubashkin）和拉胡蒂（Lahuti）建立了一个概念词典，采用逻辑语言作为形式表示语言。他们认为只有逻辑语言才能全面、有序且形式化地描述词语之间的意义关系，但这种观点过于绝对。逻辑语言并非唯一适合语义表达的形式语言，自然语言文本中的一些元素无法在逻辑表达式中存在，或者没有等价的单元，但这些元素对于正确建立句子的语义表达是必要的。

马尔蒂诺夫（Martynov）自20世纪70年代以来一直致力于面向计算机的通用语义代码（УCК）的研究，并在2001年提出了УCК - 6。УCК - 6使用X、Y、Z、W作为原始/概念原语，X是主体，Y是工具，Z是对象，W是结果。例如，((XY)Z) ((ZW)Y) 表示X通过Y作用于Z，创造出W，即X创造了W，实际上它是 ((X ! Y) ! Z) ! ((Z ! W) ! Y) 的缩写。

语言本体的构建方法

许多研究人员根据实践经验总结了构建语言本体的方法。鲁巴什金和拉胡蒂指出，构建概念词典需要解决以下基本理论和方法问题：