基于图学习的本体概念相似度计算

根据边的类型、顶点深度、边的密度和强度以及边关联的两顶点的属性计算有向边的权重,通过图学习正则化模型得到优化函数.将本体结构图中每个顶点映射成一个实数,通过比较实数间的差值判断两概念的相似程度.实验表明该方法对于计算本体概念间的相对相似度是有效的.     

基于核矩阵优化方法的本体算法

本体相似度计算和本体映射被广泛应用于查询扩展和图像检索中,已成为信息科学研究的热点内容,其核心为计算本体图中顶点间的相似度。用核矩阵表示本体图中每一对顶点的相似度,根据相邻顶点相似度大、不相邻顶点相似度小的特征,结合转换函数的光滑性得到核矩阵优化模型,求解模型得到最优核矩阵。将此方法分别应用于生物GO本体和数学学科本体,通过实验表明新本体相似度计算和本体映射算法有较高的效率。     

基于变换模型的本体相似度计算与本体映射（英文）

本体相似度计算是信息检索的重要研究课题并广泛应用于计算机科学的诸多领域.运用变换模型提出本体相似度计算和本体映射的新算法.通过排序学习函数,将本体图映射成实直线,将本体图中的顶点映射成对应实数.通过比较本体图中顶点所对应实数的差值来判断两个顶点的相似程度.两个实验显示,所提出的算法对计算本体相似度和建立本体映射是有效的.     

基于变换模型的本体相似度计算与本体映射(英文)

本体相似度计算是信息检索的重要研究课题并广泛应用于计算机科学的诸多领域.运用变换模型提出本体相似度计算和本体映射的新算法.通过排序学习函数,将本体图映射成实直线,将本体图中的顶点映射成对应实数.通过比较本体图中顶点所对应实数的差值来判断两个顶点的相似程度.两个实验显示,所提出的算法对计算本体相似度和建立本体映射是有效的.     

基于primal RankRLS方法的本体映射算法

本体映射作为实现多本体间相互操作的重要手段,已广泛应用于诸多领域.应用原始RankRLS算法,将多本体图映射到实数轴,由此将本体图中每个顶点都映射成实数.通过比较两概念对应实数间的差值得到本体映射.实验表明,该算法有较高的效率.     

基于k-部排序学习方法的本体映射算法

本体映射作为实现多本体间相互操作的重要手段,已广泛应用于诸多领域。利于k-部排序学习算法得到最优排序函数,从而将多本体结构图中每个顶点映射成一个实数,通过比较来自不同本体顶点对应实数间的差值判断概念间的相似程度。实验表明：该方法对于在不同本体间建立映射是有效的。     

用矩阵实现模糊本体映射

当前的本体映射技术主要是针对明确概念集合的本体,这些技术无法处理语义网上的不确定信息。文中提出了扩展现有本体映射方法来支持不确定信息的本体映射。这种扩展称为模糊本体映射(FOM),它主要是基于模糊理论和图理论。FOM主要是计算本体的概念之间的相似度所形成的矩阵,并定义了一系列算法来推理模糊本体概念之间的模糊关系。     

成对排序本体学习算法

本体作为一种结构化数据模型已广泛应用于知识表示和信息处理,并成为近几年计算机领域的研究热点.提出基于成对排序学习方法的本体相似度计算和本体映射算法,利用Mahalanobis距离函数得到计算模型,通过梯度下降策略得到模型的最优解,从而将本体图或多本体图中的顶点对映射成实数来表示它们的相似程度.通过两个实验表明,新算法对特定的应用领域具有较高的效率.     

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.     

基于扩展AUC量度模型的本体算法

通过最小化扩展的AUC量度得到最优排序函数,从而将本体图(或多本体结构图)中每个顶点映射成一个实数,通过比较本体顶点对应实数间的差值判断概念间的相似程度.实验表明:新算法对于本体相似度计算和在不同本体间建立映射是有效的.     

排序框架下梯度下降迭代本体算法

从本体顶点排序的思想入手,得到排序框架下梯度下降迭代本体算法。选取边集合作为样本集,使用再生核希尔伯特空间作为函数空间,用步长控制迭代次数。最后,将得到的本体相似度计算和本体映射算法分别作用于植物学PO本体和计算机软件本体中,通过实验数据对比说明算法具有较高的效率。     

一种语义集成框架的研究与实现

提出一种基于本体的数据集成框架,给出了底层数据源模式分解、匹配和本体生成的方法.通过改进模式路径映射算法建立了本体与源模式的映射规则,从而较好地解决了将用户提交的基于本体的查询分解到各个数据源执行的查询分解技术.     

基于改变历史日志扩展的本体映射进化研究

本体映射可以有效地解决本体异构问题,然而现有的本体映射研究大多只关注于映射方法本身,而缺乏在具体动态应用环境中对映射进化的分析,使得已有的本体映射方法在实际应用中的效率并不高。因此本文提出一种基于改变历史日志扩展的本体映射重建方法。该方法在本体映射进化时,用HL记录本体的变化对现有的映射系统进行扩展,仅仅更新过期的无效的映射对。实验结果表明,本文方法在本体不断更新的动态环境中表现较优,和其他现存映射进化系统相比具有时效性更高的优点。     

一种改进的基于相似度的本体映射方法

本体映射是解决本体异构的通用方法.发现来自不同本体的元素间的关系的过程可以转化为它们之间的语义相似度的计算, 本文从名称、结构、实例、属性四个方面改进相似度计算方法,并给出融合的相似度计算公式,通过实验说明新相似度计算方法在实际应用中是有效的.     

本体知识库集成的方法研究

随着本体研究和应用的快速发展,本体集成问题日益突出,目前本体集成并没有统一的方法与标准,大多研究者将研究重点放在本体映射方面。本文对本体集成涉及的核心问题,以及现有的本体集成框架和本体集成流程进行了深入分析和研究,并在此基础上对现有的本体集成方案进行了改进,包括本体映射流程细化、相似度计算的综合、本体映射修正的细化、本体集成规则概括分类、本体集成校验流程的改进等,以期给出一种通用的本体集成解决方案。     

改进的多策略本体映射方法

针对本体映射时未充分考虑语义信息以及运算效率的问题, 提出了一种改进的多策略本体映射方法--ReMAP。对初步得到的初始概念集基于相关度计算进行简化, 以减少参与映射的概念; 为提高映射质量, 在进行概念相似度计算时, 充分考虑本体概念的语义信息, 对概念名称进行语义分析, 将其融入概念名称相似度的计算结果, 并通过制定映射规则对不良映射进行校正处理。算法验证选取OAEI2007 标准测试集, 通过查全率、查准率与F-measure 值对实验结果进行对比分析, 验证了方法的有效性。     

本体映射中概念相似度计算的改进

通过对目前各种本体映射方法的分析,提出一种改进的本体映射的方法.该方法考虑了概念的名称、实例、属性、关系对相似度计算的影响,使概念相似度的计算更加全面、准确.     

基于本体映射的数据交换映射识别技术研究

为了实现局部本体之间数据交换映射关系的自动识别,重点研究基于全局本体与局部本体之间的数据交换映射技术。技术以本体映射重用角度出发,结合信息集成中数据交换映射的研究重点分析了本体映射的详细分类与可逆性,定义了映射传递性与识别缺失率,研究映射关系组合结果实现映射自动识别,技术在大庆油田数据中心大型数据交换项目中得到应用。     

产品本体筛检方法及其在变型没计中的应用

提出了一种应用于产品变型设计中的本体筛检方法,该方法以完整的产品资源本体视图为基础,将产品的功能需求、结构特征等转化为需求约束,设计人员根据需求约束对产品资源本体进行筛检。针对不同的筛检层次和筛检对象,给出了模式匹配、实例匹配与人工决策相结合、实例推理自动匹配等筛检规则。这种人机结合的半自动筛检方法提高了产品变型设计方案的准确性,增加了设计过程的柔性和效率。开发了一套针对建筑门窗产品的变型设计支持系统,证明所述方法的可行性和有效性。