12、语义模型中的定义获取、模糊性处理与检测

语义模型中的定义获取、模糊性处理与检测

1. 定义获取的方法

1.1 从文本中提取定义

可以使用相关的专业算法和技术从文本中提取定义。大多数方法采用基于词法 - 句法模式或特征的符号方法，这些模式可以是简单的词语序列，如 “refers to”、“is defined as”、“is a”，也可以是更复杂的词语、词性和短语序列。这种方法在结构较强的文本（如技术或医学文本）中效果最佳，因为在这些文本中定义通常有明确的标记且形式较为规则。而在结构较松散的文本（如编程教程）中，识别定义语句则更具挑战性，因为表述往往更不正式。

1.2 从语义模型中合成定义

还可以从自己或其他可用的语义模型中合成定义。例如，若模型包含 “JavaDeveloper subclassOf SoftwareDeveloper” 和 “Java Developer specializesIn Java Programming Language” 这两个关系，就可以将它们组合并表述为 “A Java developer is a kind of software developer who specializes in the Java programming language”。通过这种方式可以生成外延定义（列出元素的所有实例）、实指定义（列出元素的部分实例）和内涵定义（通过表述包含、同义、实例化等关系）。在生成后两种定义时，主要挑战在于确定哪些实例或关系对元素的意义贡献更大。

2. 模糊性问题

2.1 模糊性的表现

模糊性使得难以精确确定类、关系和其他元素的外延。在构建语义模型时，工程师和领域专家常使用模糊的谓词，