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BMRM迭代排序方法的本体学习算法

本体作为一种结构化数据存储和表示模型已成为信息检索领域的研究热点,并被应用于生物医学、地理科学、社会科学等诸多领域。提出基于BMRM迭代排序学习方法的本体相似度计算和本体映射算法,利用BMRM迭代得到最优参数向量,由此得到排序函数,将本体图或多本体图中的顶点映射成实数,通过两顶点对应实数间的差值来确定它们对应概念间的相似度。最后,将算法分别作用于GO本体和计算机软件本体,通过实验数据对比说明新算法对特定的应用领域具有较高的效率。     

基于优先图的本体相似度计算

本体概念的相似度计算是信息检索的重要研究课题。通过优先图的构造和核函数方法得到关于排序代价函数的正则平方最小框架,利用表示理论得到模型的解,从而将原本体图映射到实直线,原本体图中每个顶点映射到对应实数。原本体图中概念之间的相似度通过它们对应实数间的差值来判定。将该算法分别应用于计算机和生物本体,实验数据表明新算法有较高的P@N命中率。     

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.     

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.     

基于最优ROC曲线的k-部排序本体算法分析

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.本文从理论的角度分析最优ROC曲线标准下k-部排序本体算法的性质,给出算法模型的单调性、广义误差、可微性等若干统计特征.     

模糊本体中的模糊相似度计算

模糊本体作为不确定性知识表示模型,被广泛应用于计算机科学的各个领域;给出一种新模糊本体中模糊概念的模糊相似度计算方法;首先计算模糊本体图中边的模糊权重,从而得到模糊权矩阵;由正则经验模型计算模糊拉普拉斯矩阵次小特征值对应的特征向量,从而将模糊本体中的每个模糊概念映射到实直线,通过模糊概念对应实数之间的差值来得到它们的相对模糊相似度。     

ABox推理计算实体相似度

针对主题图本体映射中主题上下文语义不易确定,缺少分类信息,但有明确的结构语义特征的特点,提出了A-Sim主题图本体映射算法。首先对主题图中的主题进行分类,利用描述逻辑语言ALCIR+的表达能力,根据主题属性及关联关系建立各种能表达上下文语义信息的概念术语集,将主题图本体转换为断言集合;其次在断言集合上进行多项式复杂度实例检测,记录模型构造过程中的个体,获得主题的上下文语义;最后将上下文语义结合元素级概念相似度算法计算实体综合相似度,获得异构主题图实体间的实体映射关系。通过对主题图进行相似度计算实验,结果证明新算法对主题图实体相似度计算综合性能至少提升了14%。