1、隨著知識時代的到來，人類的認知粒度已經發(fā)生變化。人們對于知識的獲取已不再停留于文獻層面，而已經深入到知識元層面，人們需要獲取針對特定問題的解決方案，需要快速定位、獲取文獻中包含的知識。
　　知識元層面的知識組織方式解決了學科知識分裂化的局面，實現(xiàn)了知識合作和知識共享。以知識元為基元通過知識元鏈接理論可以產生新的知識管理形式——知識網格，進而形成完整的知識服務系統(tǒng)，加快知識創(chuàng)造的速度，實現(xiàn)知識增值，推動由信息服務向知識服務的過渡，提

2、高知識服務的效應，為人類知識學習和知識創(chuàng)新提供方法。因此，知識元提取技術的研究是有現(xiàn)實意義的。
　　本文針對目前知識元提取存在的問題，研究知識元定義和結構模型，在已有的知識元結構模型基礎上提出知識元五元組結構模型，利用改進的MF-S-TFIDF算法和句子權重算法提取文本知識元，并進行了實驗驗證，本文主要工作如下:
　　(1)研究知識元理論以及與知識元提取相關的技術，分析國內外知識元智能提取技術的發(fā)展現(xiàn)狀，總結歸納知識元定義，

3、在已有的知識元結構模型基礎上提出知識元五元組結構模型;
　　(2)研究特征項權重算法，重點分析TF-IDF算法，彌補傳統(tǒng)TF-IDF算法在詞語語義層面的不足，利用詞語相似度算法實現(xiàn)詞語分類，將詞語語義相似度與TF-IDF算法結合提出改進的S-TFIDF算法，在S-TFIDF算法基礎上融合詞語內部多特征因素提出改進的MF-S-TFIDF算法，并應用到特征項權重計算過程中;
　　(3)改進句子相似度算法，重點分析基于詞型匹配和基

4、于編輯距離的句子相似度算法的不足，在基于詞型匹配的句子相似度算法中加入詞語語義信息，在基于編輯距離的句子相似度算法中增加非相鄰塊的交換操作并考慮詞語語義信息以及詞語內部因素對編輯距離的影響，提出改進的句子相似度算法，并應用到句子相似度計算過程中;
　　(4)研究句子權重算法，融合句子多特征因素進行句子權重計算;
　　(5)整合知識元智能提取算法，進行知識元屬性提取，獲取結構化知識元，進行實驗對比和算法評估。
　　最后對