对于民族领域的发展应用来说,本体构建具有重要的意义,同时对于本体中新概念来说也必须进行实时更新以适应现实的应用。目前人工构建本体的方法十分耗时耗力,而且很难维护,因此本体的自动构建显得十分必要。由于民族信息资源里非结构化的文本占有很大的比重,因此从这些非结构化的文本中获取相关概念和概念间的关系对本体的自动构建具有重要意义。本文研究关于民族信息资源本体的自动构建,本文的研究内容包含以下四点:1、从网络上收集民族领域的相关文本并使用HMM模型进行分词与词性标注。针对在分词中利用字典匹配方法所带来的分词正确率不高和产生切分歧义的问题,本文用统计学习方法HMM进行分词,有效的保证了分词的准确性,在词性标注中,HMM也表现出非常好的标注效果。2、由于民族文化的独特性,没有一个完善的字典收录所有的民族词汇,要通过基于字典匹配方法实现对民族领域文本的新词识别困难重重。针对使用统计方法进行新词识别要统计语料库时导致花费很长时间的问题,使用MapReduce对特征选择方法包括互信息和左右熵以及词频方法进行并行化的改进。对互信息方法与左右熵特征选择方法分别进行改进,并提出加强互信息与相对邻接熵两种方法。最后用得到的特征值训练SVM分类器,将训练好的模型进行新词的识别。3、因为无监督学习方法在关系挖掘中正确率不高,因此本文采用运用有监督的方法使用SVM进行实体关系挖掘,选取概念的前后几个词的词与词性还有实体到核心谓词之间的距离作为该分类器的特征。针对语料库中数据标签少的问题,使用自训练的方法训练得到标签。最后完成训练,得到模型并提取关系。4、建立一个民族信息资源的核心本体,然后通过Jena进行扩展实现本体的自动构建。