基于地理本体的综合语义相似度算法

顾及到地理领域语义相似度计算模型考虑因素过于单一、主观性较强等问题,针对本体模型的结构特点,提出一种计算节点密度的新方法,并从模型概念间的关系类型、节点密度、节点深度等方面分析本体概念相似度的计算,将其归并为距离因素.基于本体层次网络结构计算语义信息量,该方法不依赖于专家经验,具有客观性.结合语义距离、信息量、属性等影响相似度的因素,提出一种计算概念问语义相似度的综合算法,该算法考虑到不同的影响因子在语义相似度计算中的重要程度不同,从而赋予地理本体关系不同的权值.通过对土地利用分类中实体的语义相似度进行实例验证,表明提出的算法能有效改善语义相似度计算的准确性和有效性,能够获得更符合认知的信息检索结果.     

基于本体和树形结构的语义信息集成方法

语义信息集成是目前屏蔽数据之间半结构性、异构性和分布性的主要方法,其目的是为用户提供最大范围的精确数据。以解决信息集成中的语义冲突为目的,采用本体描述全局数据概念、树型结构描述局部数据概念。在此基础上,给出数据的逻辑定义方法,利用相似度计算匹配值来实现数据在语义集成中的匹配,并描述了语义信息集成中的映射算法。最后给出了实验数据和此方法执行结果,验证了此方法的正确性。     

基于本体和树形结构的语义信息集成研究

语义信息集成是目前屏蔽数据之间半结构性、异构性和分布性的主要方法,其目的是为用户提供最大范围的精确数据。以解决信息集成中的语义冲突为目的,采用本体描述全局数据概念、树型结构描述局部数据概念,在此基础上,给出数据的逻辑定义方法,利用相似度计算匹配值来实现数据在语义集成中的匹配,并描述了语义信息集成中的映射算法。最后,给出了实验数据和算法执行结果,验证了此方法的正确性。     

一种数据元语义描述方法

随着数据元标准的建立,数据元在数据集成中有重要作用.当前数据元的语义是通过自然语言解释的,难以满足计算机自动应用数据元的需求.采用本体的思想,提出了一种形式化的数据元语义描述方法,以领域本体的概念为原子概念,以数据元为复合概念,按照数据元的语义特点,建立树形语义描述结构,并定义数据元语义的XML描述方法及图形描述方法.     

基于领域本体概念划分的语义标注方法

对当前的基于领域本体的语义标注方法进行了说明和分析,提出了基于领域本体概念划分的语义标注方法.该方法将领域本体中的概念分为特有概念和普通概念,先用一般的领域本体标注算法计算特征词的权值,再对普通概念特征词的权值进行调整,最后结合水稻领域进行试验.实验表明,该方法在保证查全率的基础上,提高了普通概念特征词的查准率.     

本体中概念间语义相似度和相关度混合计算方法

语义相似度计算广泛应用于自然语言处理中,但现有语义相似度计算方法没有充分挖掘本体结构中概念间的关系.笔者针对当前概念相似度计算的片面性和不完善性等不足,提出一种计算概念间语义相似度和相关度的混合方法.从有向边包含的特征属性对语义距离进行扩展,结合概念深度,将语义距离转换成语义相似度,通过引入概念间相关度计算,使最终概念语义相似度计算更加精确.并将该方法与人的主观判断结果进行比较,验证了该方法的可行性和有效性.     

基于树形网格的企业信息语义集成

在分析信息语义集成方案的基础上,提出了一种基于树形网格的企业信息语义集成架构.根据该架构构建的应用系统可以实现企业的分布、异构数据在语义层次上的动态集成,提供具有语义支持、QoS支持的数据访问服务;分析了该架构下本体的组织方式和构建方法,提出了多层树状本体结构;给出了一个企业信息语义集成的例子.     

基于本体的异构软件集成技术的研究

当今信息的共享和交换越来越重要.语义冲突是基于不同信息源和信息结构上的异构软件集成所面临的主要问题之一.提出基于本体的软件集成的框架,阐述了由本体生成XML Schema的方法,进一步引入了本体间近似转换规则以实现本体间的语义转换.     

基于本体的概念相似度计算模型研究

概念相似度研究,是知识表示以及信息检索领域中的一个重要内容.通过对传统相似度计算方法进行分析,提出了一种改进的概念相似度计算模型.该计算模型在计算相似度时不仅改进了语义距离、层次差、语义重合度的计算方法,还考虑了节点密度和有向边类型对相似度计算的影响.实验结果表明,该方法充分利用了本体层次树的结构特点来计算概念之间的相似度,全面地量化了本体概念节点间的语义相似度,提高了概念间相似度计算的准确性.     

领域本体中的概念相似度计算

借鉴计算语言学中的语义距离思想,提出了RDF Schema构词所描述的本体概念相似度计算方法,并利用该方法对农业知识本体(AO)所描述的部分概念进行了相似度计算和分析.结果表明,该方法可以定量地分析概念、特性之间的相似度,并可以指导基于领域知识本体的语义查询中的概念集扩充和查询结果排序.     

基于模糊概念模型的模糊本体构建方法

针对从预先定义的概念层次生成模糊本体这一非常困难的问题,提出利用模糊概念模型来构建模糊本体.基于模糊集理论,对UML概念模型及OWL DL本体进行了模糊扩展,从二者的逻辑基础说明了利用模糊UML类图构建模糊OWL DL本体的可行性,进而研究了从模糊UML类图到模糊OWL DL本体的形式化映射方法,给出了映射规则及公理的创建过程.利用现有的模糊概念模型构建模糊OWL DL本体可以有效降低建立模糊本体的复杂性,同时增强了本体的表达能力.     

基于模糊本体的智能交通系统知识建模

为有效处理交通知识建模中的模糊与不确定现象,提出包括领域本体与顶层本体的模糊本体模型.在领域本体中引进模糊概念属性值,并将普通的概念关系扩展为模糊关系与直觉模糊关系.顶层本体基于模糊语言变量的形式化表示,考虑了模糊概念间的实质性语义关系:集合关系、序关系与等价关系.以交通事故分析与预测系统为例,建立交通知识本体模型与基于语义的信息检索系统.该模型可有效进行智能交通系统的知识建模,有利于语义Web环境下智能交通的信息管理与知识管理.     

基于统计式机器学习的地理本体融合模型

针对不同领域对地理事物的认知体系差异造成了地理本体异构的问题,提出了地理本体融合模型,引入统计式机器学习的方法对概念间的关系进行自动处理,并以概念间关系在不同本体出现的频度来产生其可信度,最后形成带有统计信息和领域信息的大型地理概念空间.该模型巧妙规避概念层面繁琐的异构映射过程,融合概念空间将多个地理本体所表达的概念知识融为一体,并保持了领域内的信息,有效实现了不同认知体系之间的共享.     

领域本体信息源选取方法研究与实现

构造领域本体所需的信息源选取方法的研究对解决本体的构造质量、构造效率等问题,以及推广与发展领域本体有着重要意义.传统的信息源文档选取方法只考虑概念因素,不能很好地解决该问题.因此,首先利用抽象方法分析了领域本体所需信息源具有的概念性、关系性和预测性等特点.然后,针对这些特点分别采用改进的VSM方法、基于本体关系距离的方法以及神经网络方法计算文档权值.最后,通过编写的软件OnMaker产生模拟数据得到概念、关系和预测3个权值,从而计算出每个文档权值,并使用与"湿地保护"相关的真实文档验证该模型,达到了较好排序选取的效果.     

一种改进的概念相似度计算方法

本体在信息集成、语义网和知识管理等领域中被认为是重要的理论基础.本体映射的目的就是通过计算概念相似度找到本体中概念之间的对应关系,并制定出相应的映射规则.通过研究本体映射方法,设计出一种综合概念相似度计算模型,该模型充分考虑了概念的实例、定义以及结构等信息对相似度计算的影响,可以通过改变3个相似度分量的权值来适应不同本体间的映射,使模型具有通用性.结果表明,该模型能更有效地体现概念间的关系,使本体映射方法更加全面,并有更好的适用性.     

Ontology研究综述

Ontology是描述概念及概念之间关系的概念模型,通过概念之间的关系来描述概念的语义。作为一种有效表现概念层次结构和语义的模型,Ontology被广泛地应用到计算机科学的众多领域。本文作者对目前Ontology的研究与应用现状进行了综述性地介绍,从Ontology的定义Ontology理论研究、Ontology在信息系统中的应用以及在语义Web中的地位等方面加以了系统阐述。     

基于模糊领域本体的专家遴选服务研究

针对领域本体无法语义描述领域中模糊知识的不足,本文利用模糊理论处理模糊信息的优势,提出了一个4层模糊本体扩展框架对已有领域本体进行模糊化扩展,通过模糊本体中的模糊概念、模糊属性以及模糊隶属函数实现了对本体中模糊知识的语义描述. 利用该模型构建了科技评价领域的专家模糊本体,设计了基于模糊本体的语义级专家遴选算法,实现了能够处理遴选条件中模糊语义信息的专家遴选服务. 实际专家遴选系统中的应用表明,本文提出的专家遴选服务能够高效、准确地遴选出合适的评审专家.      

基于本体增量学习的主题爬行

在面向领域的信息搜索中,本体作为相关的领域知识往往有助于改善搜索效果,在信息检索中被广泛应用.基于本体增量学习的主题爬行技术的研究工作主要包括:首先,利用本体对领域概念及关系的描述作为网页主题判定的依据;其次,在爬行过程中,将学习得到的新概念和关系加入到本体中,以丰富完善领域本体,进而提高主题爬虫的收获率;最后,经过大量的实验数据分析,在词条提取准确率、收获率和响应速度等多个指标方面,证明了所提出的方法是可行的并且是高效的.     

一种改进的本体概念相似度计算算法

概念相似度研究是知识表示以及信息检索领域中的一个重要内容。根据概念之间错综复杂的关系,可将本体结构看成一个有向无环图。从多个角度出发考虑各种影响有向边权重的因素,通过计算有向边在本体层次图中的相对重要性计算本体中任意两概念的语义距离,由此得到它们的语义相似度。实验结果表明:该方法具有很高的效率。     

基于Bayesian决策的本体缓存

为了解决在语义W eb信息处理中本体的频繁存取造成的性能问题,提出基于B ayes ian决策理论的本体缓存模型。该模型有效利用本体的语义性和本体的存取日志来抽取特征向量(包括语义特征、存取特征和类型特征),通过B ayes ian决策理论指导在本地缓存频繁使用的本体,并通过机器学习优化缓存模型,提高本体概念和实例缓存命中率。本体的有效缓存减少了本体网络访问的开销,实验表明,采用该本体缓存模型后,原型系统的本体访问速度在G auss分布的本体访问概率下提高了25%左右。