1、語義標(biāo)注是語義Web發(fā)展面臨的重要挑戰(zhàn)之一，主要研究如何給本體代表的符號賦予帶有具體含義的語義信息，為互聯(lián)網(wǎng)上的信息提供具有計算機(jī)可以理解的語義，從而實現(xiàn)計算機(jī)與計算機(jī)之間，計算機(jī)與人之間的智能交互。目前，語義標(biāo)注依然存在以下一些問題：標(biāo)注系統(tǒng)往往是針對特定的應(yīng)用，不能根據(jù)不同數(shù)據(jù)的特點采用不同的標(biāo)注方法；已有的標(biāo)注方法還不能解決所有標(biāo)注問題?；谝?guī)則學(xué)習(xí)和基于分類模型的標(biāo)注方法只能標(biāo)注相互獨立的數(shù)據(jù)信息，不能對數(shù)據(jù)之間的相互依賴關(guān)系進(jìn)

2、行標(biāo)注。一階線性條件隨機(jī)場(Conditional RandomFields，CRFs)能夠標(biāo)注數(shù)據(jù)信息之間的線性依賴關(guān)系。但是，對于文檔中存在的非線性依賴關(guān)系，例如：層次依賴關(guān)系，鄰接依賴關(guān)系，一階線性條件隨機(jī)場模型不能標(biāo)注。
　　 本文的研究內(nèi)容包括以下兩個方面：@1.針對一階線性CRFs不能標(biāo)注層次依賴關(guān)系的問題，提出了一種改進(jìn)的CRFs模型--樹狀條件隨機(jī)場模型(Tree Conditional Random Field

3、s，TCRFs)，在保證模型訓(xùn)練(參數(shù)估計)不是很困難的情況下，可以有效提高標(biāo)注的準(zhǔn)確率和召回率。
　　 2.樹狀條件隨機(jī)場模型(TCRFs)在標(biāo)注具有層次依賴關(guān)系的文檔時能夠顯著提高標(biāo)注的準(zhǔn)確率和召回率。但是，對于更復(fù)雜的鄰接關(guān)系、長距離依賴關(guān)系標(biāo)注問題，樹狀條件隨機(jī)場模型不能有效標(biāo)注。為此，提出了鏈?zhǔn)綏l件隨機(jī)場模型(Chain Conditional Random Fields，CCRFs)的標(biāo)注方法，該方法在TCRFs的基