基于本体的知识形式化表示

本文在介绍了知识的形式化表示的基础上,分析了本体概念、关系、函数、实例、本体基本关系和概念的形式化表示,探讨了基于本体的知识表示的方法;并且将此运用于协作感知模型的知识库构造中的知识表达.     

基于扩展主题词表的页岩气领域本体构建研究

我国地质资源丰富,但资源标准化程度低、语义不一致、应用难度大。因此,按知识结构组织地质资源是地质信息管理和服务的重中之重。随着互联网技术的不断发展,基于本体的语义检索技术逐渐成为知识服务的基础与热点。与以往基于主题词表的领域本体构建方法不同,对主题词表进行了全面的扩展,概念上参照《页岩气知识读本》、《非常规油气地质》等书进行归并增删;关系上除保留《石油主题词表》的"用代分属参"基本关系外新增了方法、定义等描述信息;同时设计添加了主题词表所不具备的实例。通过一系列的概念扩展、关系扩充、属性定义和实例添加,最终清晰地展示了页岩气领域的知识脉络,为领域知识服务奠定了坚实基础。     

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.     

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.     

高校基建档案知识的本体构建研究

针对目前高校基建档案管理工作中档案知识共享应用的实际困难,依据高校基建档案知识的领域特性和共享需求,对高校基建档案知识的表达及本体建模进行了研究.根据本体组成元素分析了高校基建档案本体的知识来源,以及基建档案知识的概念及属性层次、关系,并提出高校基建档案知识的本体工程构建方法.对所构建本体模型的推理验证结果,表明本体模型概念属性层次关系的合理有效性.     

基于本体的汽轮发电机组故障诊断知识建模

针对目前汽轮发电机组故障诊断领域知识术语复杂、系统异构、知识表示不完备以及共享和重复使用困难等问题,依据故障诊断需求,采用基于本体的知识表示方法,提出了一种适用于汽轮发电机组故障诊断领域的本体构建方法和知识表示模型.在解析了汽轮发电机组故障知识特性的前提下,定义了其本体概念、属性、关系、实例和公理,为知识表示提供了明确的形式化规格说明,并借助Protégé_4.3构建了包含汽轮发电机组的故障类型、故障特征、故障原因和维修策略等故障诊断领域本体,设计了一致性检验的算法.在此基础上,在SQI机械故障综合模拟实验台上模拟汽轮发电机组故障,通过FaCT++推理机实现本体知识推理测试.结果表明基于本体的汽轮发电机组故障诊断知识模型是可行的.     

基于语言变量的模糊本体模型

为了更有效地表达语义Web中的模糊知识,将模糊概念与关系引入到传统的模型中,提出新的模糊本体:模糊领域本体与模糊顶层本体.模糊顶层本体从语言变量的形式化表示入手,考虑模糊概念间的语义关系:集合关系、序关系与等价关系.用模糊本体对智能交通领域的知识进行建模,通过模糊语言值描述交通概念的属性信息,有效克服现有模型的一些局限.结果表明,该研究有利于语义Web环境下模糊系统的知识共享与重用.     

航海信息本体研究(英文)

分析了目前航海信息领域在数据共享和互操作上存在的问题 .航海信息领域中不同的组织和机构对知识和信息的不同理解或不同的表达格式 ,严重地影响了相互之间的信息共享和互操作 .针对这些问题 ,在分析本体作用的基础上 ,指出了在航海信息领域中建立清晰描述概念及概念之间关系的概念模型 ,即航海信息本体的必要性和重要性 .一个共享的航海信息本体将清晰航海信息领域的知识结构 ,促进不同组织结构之间的数据共享和互操作 ,并为智能航海信息系统和领域的语义网络的构建打下基础 .最后 ,对航海信息本体的构建进行了探索性的研究 ,提出了一个航海信息本体构建的方法框架     

基于领域知识复用的需求建模

为了准确地获取和复用军事电子信息系统需求,提出了基于领域知识复用的需求建模方法.介绍了利用领域知识进行需求建模的过程,利用目标模型表达用户需求,并通过复用领域知识建立目标模型;通过目标查询匹配和复用获取目标相关需求,建立应用本体;利用顶层本体概念与MEISRDL业务框架的映射关系,根据应用本体生成需求模型.实例表明,通过复用领域知识,不仅保证了需求模型的质量,而且提高了需求建模的效率.     

面向关系型数据的本体学习模型——RCAOM

为获取结构化的关系数据库中蕴含的知识本体,利用形式概念分析与本体间的双向互动关系,提出了基于关系形式概念分析的本体学习方法——RCAOM(relational context analysis ontology model)方法。RCAOM方法分别从关系数据的元数据层和元组实例两个层面发现概念及关系,通过关系数据库逆向工程和用户参与的概念格建立与概念测量,形成关系型的形式背景,最终转化为面向关系数据的本体模型。研究表明:RCAOM方法不仅可以较好地自动发现关系模式元数据概念及关系,而且能够有效发现隐含于数据记录中的概念及关系,构建面向主题的本体模型;具备分析复杂度低和收集盲点少的特点,是面向关系型数据库的本体学习和构建大型本体库的新探索。