27、PrOntoLearn：无监督词法 - 语义本体生成方法解析

PrOntoLearn：无监督词法 - 语义本体生成方法解析

1. 预处理阶段

在对语料库进行本体生成之前，需要进行一系列的预处理操作，以消除噪声并提取有用信息。
- 过滤与正则表达式 ：系统有一个过滤参数，若用户未指定，默认正则表达式为 [a-zA-Z]+ 。例如，像 du - 145 这样的词会被该正则表达式过滤掉。
- 标记归一化 ：对标记进行一定程度的归一化，将标记规范化，以忽略标记字符序列的表面差异来实现匹配。
- 大小写折叠 ：将从语料库中学到的词汇全部转换为小写。例如， Protocol 会转换为 protocol 。
- 词干提取和词形还原 ：使用词干提取和词形还原技术，借助 WordNets 的词干提取算法，将单词的屈折形式和派生形式还原为共同的基础形式，并结合词汇的词性标注知识来获取单词的正确上下文。

2. 句法分析阶段

预处理阶段消除了语料库的噪声并根据定义对词汇进行了标注。此阶段主要关注句子的结构，学习词汇中单词之间的关联。
- POS 模式假设 ：假设语料库中的每个句子遵循 (SubjectNounPhrase+)(Verb+)(ObjectNounPhrase+) 的词性模式。
- OWL 概念形成 ：使用合适的 N