随着信息技术的飞速发展和数据量的TB级增加以及人们对知识的不断需求,本体作为知识的高级表示形式,作为可以在语义层面上阐述领域问题的概念模型,已经逐渐变成研究热点。本体的研究是围绕本体概念和本体关系的提取展开的,本体概念提取是本体构建的第一步,本体概念的提取质量影响着后续对本体关系的提取和本体构建的研究。针对非结构化文本的概念提取稳定性、高效性和领域概念优先级偏低的情况,本文提出了基于多特征融合和同-上义词库的双语本体概念提取方法。第一个研究重点是基于多特征融合的初始本体概念提取方法,为了提高概念提取的准确性,本文结合相邻词语之间的互信息、置信度和邻接对熵等特征来计算词语或短语的成词概率,在此基础上用改进的TF-IDF提取初始领域概念,在英汉语料中切分精确度分别达到87.55%和81.35%。第二个研究重点是基于同-上义词库的动态权重调整方法,为了更加真实准确的反应概念的领域归属,实现权重的动态化调整,本文首先使用Word2vec工具构建向量模型获得英汉词向量列表并提取双语关键词对,针对同义词库,用Word Net3.0对英语关键词进行同义词扩充,采用《同义词词林扩展版》对汉语关键词进行扩充,整合关键词集合获得双语同义词库。针对上义词库,用Word Net3.0对英语关键词进行上义词扩充,用百度百科的教育领域语料库人工扩充汉语关键字,整合关键词集合得到英汉双语上义词库。在引入双语同-上义词库的基础上重新调整关键词权重,经过实验对比其准确率、召回率和F值在双语语料中均得到提升,实验结果验证了本文所提出的方法在英汉双语语料中准确率、稳定性上兼具有高效性,更能体现出概念的领域归属。本文提出的基于双语教育领域本体概念提取方法,不仅可以合理的建立精确的教育领域英汉双语词典,为教育领域信息检索提供有利条件,而且可以使双语领域概念提取结果更加合理,为非等级关系提取打下坚实基础,更加高效的扩展英汉双语领域本体库,提高领域本体构建的效率。