研究發(fā)現(xiàn)，配價模式學習的關鍵是結合語義信息制定判定規(guī)則。利用有用的域約束、依賴約束和相關詞語的詞性標記限制，我們形成了一系列可操作的啟發(fā)式規(guī)則，提高了配價模式學習的精度。那么，如何來判斷初步的配價模式與已有配價模式是匹配的?不同的框架元素在配價模式中的重要性是不同的，應該區(qū)別對待。假設句法依存樹中的結點受樹結構中相鄰的結點的特性的影響：如果相鄰的結點的關系緊密那么這兩個結點也很可能在配價模式中充當重要角色，兩者至少有個充當配價模式的很重要框架元素。
2．3 檢索特征學習技術策略
個性化查詢就是用戶根據(jù)自身興趣愛好、關注焦點和查詢特征進行擴展，來獲取精確完整的知識信息。不同用戶對事件關注的角度不一樣，比如，罪犯及其律師關心的是如何減輕判刑，而檢察官則是要找到罪犯的全部犯罪情節(jié)。系統(tǒng)能夠對用戶的各種信息行為進行智能化追蹤及分析，搜集用戶個性信息及其關注的焦點的種類等信息，并將用戶個性化信息儲存到數(shù)據(jù)庫里。當系統(tǒng)收到檢索請求后，從語料庫中檢索符合用戶信息需求的信息，并利用個性信息過濾掉相關度小的信息，同時細化語義情景，按用戶提問將答案精確到最小語義元素。同時，系統(tǒng)建立反饋機制，允許用戶對系統(tǒng)推送的信息進行評價和人工選擇，然后將作為此類用戶的個性化信息。

3 結束語
在構建漢語框架網(wǎng)絡本體時，以思維科學的基本原理為指導，運用元學習器技術，充分發(fā)揮兩類基本學習器各自的優(yōu)點，解決了語義信息的鑒別、已做語義處理知識的理解、未標記文獻的利用等問題，從而獲得了比單一的基本學習器較高的學習能力；同時總結了一些具有代表性和高精確度的實例和規(guī)則，作為系統(tǒng)學習的參數(shù)，得到了較好學習未知框架網(wǎng)絡本體語義信息的近似值。不同學習策略的實施，提高了系統(tǒng)的歸納、演繹、推理的能力，增強了語義理解能力，能夠返回精確匹配的答案。