一种基于核心词嵌入和改进K最近邻分类的本体匹配方法及装置

本发明公开一种基于核心词嵌入和改进K最近邻分类的本体匹配方法及装置，将本体实体的注释数据作为语料训练Word2Vec模型，通过Rake算法抽取核心词，并从训练后的Word2Vec模型中获得词向量，利用抽取的核心词重新构建标签，进而构建实体的训练文件和预测文件；在K最近邻分类中，通过添加第二相似度测量算法编辑距离改进预测准确率，因此，分类器通过计算核心词向量和核心词标签的相似度寻找最近的预测数据，可以增强预测效果和算法的鲁棒性，这种改进对于本体实体名字是数字、缺失、缩写或代号的情况，该方法依然可以获得高质量的对齐结果。