古凌岚，孙素云

（广东轻工职业技术学院 计算机工程系，广东 广州510300）

0 引 言

近年来，本体的应用越来越广泛，如语义网、搜索引擎、知识工程、信息提取等领域，而本体的构建是本体应用的基础和关键，尽管目前已有许多本体构建工具，能够提供本体建立和校验等功能，但完全依靠人工进行本体领域知识的获取 （包括搜集领域概念、定义概念间关系），不仅费时费力，而且无法保持本体的更新。因此，本体学习技术应运而生。

本体学习是指利用机器学习和统计等技术自动或半自动地从已有的数据资源中获取期望的本体［1］。由文献 ［1］可知，本体学习主要任务是定义概念和概念关系 （分类关系和非分类关系），而概念关系学习为高层任务，其中分类关系体现了两个概念之间的包含关系 （上下位关系），非分类关系则是除上下位以外的关系。非分类关系学习包括提取所涉及的概念对、进行关系语义标注两方面。

1 相关工作

目前多数本体学习研究致力于术语和分类关系抽取，相对而言，非分类关系的抽取更加困难，同时得到的关注也较少。本体构造中发现得到的非分类关系多数是人类本体工程师标注所得。现有方法主要有两种：基于模式的方法和基于关联规则的方法，国内对中文本体学习的研究多集中于后者。

基于模式的方法［2］是通过分析领域相关文本，归纳出频繁使用的语言模式作为规则，而后作为文本中词序列匹配的模式，来识别相应的关系。……