|
|||||
|
|
| 基于BERT的领域本体分类关系自动识别研究 | |
| 引用本文： | 王思丽,杨 恒,祝忠明,刘 巍.基于BERT的领域本体分类关系自动识别研究[J].情报科学,2021,39(7):75-82. |
| 作者姓名： | 王思丽 杨 恒 祝忠明 刘 巍 |
| 摘 要： | 【目的/意义】实现对领域本体分类关系的自动学习识别，解决领域本体知识框架结构体系的自动化构建问
题。【方法/过程】通过对领域本体分类关系自动识别的国内外研究现状及存在问题进行分析总结，以当前开源的先
进的深度学习文本预训练模型BERT为基础，研究构建了基于BERT的领域本体分类关系自动识别模型，并以资源
环境学科领域为例进行了实验研究和评估分析。【结果/结论】基于BERT构建的分类模型能够实现对领域本体分类
关系的自动识别，识别方法和流程具有极大地通用性和可移植性，识别精度比传统方法有了较大提升。【创新/局
限】微调与泛化了BERT，提高了领域本体分类关系识别模型的通用性和精度。但由于受分类标注语料的质量限
制，模型精度尚未达到峰值，有待进一步优化提升。 |
| 点击此处可从《情报科学》浏览原始摘要信息 | |
| 点击此处可从《情报科学》下载全文 | |
