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。     

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。     

基于综合语义度量的本体映射方法

在分析现有本体映射技术的基础上,采用基于本体图结构和启发式规则的本体映射方法实现了本体间一对一映射,最后通过选取实验对象进行测试,证明了本映射机制的可行性.     

虚拟数字图书馆语义平台建设关键技术研究

本体是共享概念模型的形式化规范说明,在语义数字图书馆知识共享和重用中起着至关重要的作用．本体的构建及维护还缺乏系统的、工程化的方法,本文针对语义数字图书馆建设中本体构建、本体映射、本体进化等关键技术介绍了符合实际建设的方法,为虚拟数字图书馆语义平台的实现提供了理论基础,促进数字图书馆的资源整合．     

改进的关系模式本体学习映射规则研究

针对现有本体学习方法中存在的问题进行改进,提出了由关系模式进行本体学习的若干映射规则。首先介绍了本体的形式化定义,然后对现有关系模式向本体转换的各种方法进行了总结,并分析其存在的问题。在此基础上提出了基于关系模式的本体学习映射规则,并通过实例分别进行了说明。最后对算法的语义覆盖度进行了评价。     

本体进化关键技术研究

如何让本体适应动态变化的外部世界,并根据外部知识源的变化做出及时的调整,即实现本体的动态进化,已成为本体研究中的一个重要内容.本体进化研究涉及到本体的变更机制,Web上本体的标识以及本体的版本机制等技术,本文将对这些关键技术进行分析研究.     

一种基于本体的工作流系统

基于本体理论, 提出一种面向典型数据库访问的协同工作系统. 在此系统中, 通过引入本体库, 实现了业务流程、 组织结构、 资源的本体定义, 协作知识可以动态地加入到系统中, 从而使系统可应用到具有相同应用模式的领域中. 系统的扩展与升级可通过更新和扩充系统本体库中的本体定义完成, 使系统具有动态升级和扩展的能力. 通过系统的本体库, 不同的工作流系统之间以及工作流系统与其他应用程序之间可 以交互作用, 使得系统间的合作成为可能.     

一种基于语义网技术和本体的数据集成方法

研究语义网技术在数据集成中的应用方法。采用规则系统实现对语义网本体语言的扩展,以提高本体语言的表达能力。在此基础上将语义网相关技术系统地应用到数据集成系统的各个方面,包括数据采集、本体构建、本体映射、数据查询和数据持久化。通过一个实例,展示了上述方法的可行性。     

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。     

本体映射中概念相似度的计算

本体是客观世界知识的表现形式,如何实现本体之间的知识共享和重用,成为了语义Web发展的关键．在分析现有相关技术的基础上,借助语义相似度度量技术找到不同本体间相同或相近的概念对的计算方法,同时用于本体映射过程中．实验证明,该方法具有良好的效果．     

基于OWL的本体映射中概念相似度计算方法的研究

随着网络上的本体越来越多，为了实现不同本体间的知识重用和共享，需要在本体间建立映射。而建立映射的关键在于找到概念相同或相近的实体对。借鉴计算语言学中的语义距离思想，提出了基于OWL构词所描述的本体概念相似度计算方法，该方法充分考虑了概念本身、概念属性、概念所处的层次结构和概念的OWL语义四个方面的语义相似度。     

一种将关系数据库转换为OWL本体的方法

通过半自动的方法将关系数据库转换为本体是本体研究的热点之一,也是解决异构数据库的一个新方向。目前提出的从数据库中提取语义信息的方法主要从本体的结构出发,导致提取的语义信息不全面。本文提出了一套将关系数据库向本体转换的规则,该套规则从关系数据库的模式结构出发,通过对模式信息分层次、综合分析,能够比较准确全面地提取显视的和隐含的语义信息。     

语义Web中的语义度量与本体映射

随着本体技术的逐渐成熟,本体的应用开始受到广泛的重视。然而,本体差别的存在使得不同本体间的知识重用与共享存在困难。文章考察了语义Web中本体所具有的特征,提出借助语义度量技术,实现本体间的映射,较好地解决了这一问题;同时,进一步的探讨了本体映射过程中的效率问题,。     

基于本体串连的XML语义发现和查询的研究

XML因其灵活性和易扩展性已经成为Web上异构数据转换和传输的标准,但是含有不同模式的XML数据源之间却很难进行相互操作,这给XML数据检索带来了很大的不便.提出一种从XML模式到OWL本体的转换算法,然后借助共享全局本体和同义词典实现转换后的本体在语义上的相互映射,从而解决XML结构异构的问题,最后提出了利用本体串连实现XML语义查询的方法.与传统方法比较,实验结果验证了该方法的有效性.     

面向语义网的本体整合技术的研究

从领域本体的结构和元素等层次,研究多粒度本体整合方法,开发出面向同一领域的本体整合工具系统．以两个电子类领域本体作为整合案例,分析OWL文件结构特征,抽取本体的主要信息以树型结构进行表示,通过元素层次和结构层次相结合的映射方法,同时采用相似度计算模型并借助本体词典Wordnet和基于统计学的方法,对领域本体进行整合操作,结果不仅实现了基于元素级层次的处理,而且实现了其语义层次上的分析．     

基于混合本体的政府信息共享方法研究

政府信息共享对于电子政务的建设十分重要,能够有效提高政府的工作效率,并为社会提供优质服务.随着政务信息化建设的加快,元数据首先被用于政府信息共享领域,由于元数据缺乏统一标准,因此各政府数据库之间新的"信息孤岛"问题逐渐显露,阻碍了我国政府信息共享的全面发展.针对政府信息共享过程中出现的"信息孤岛"问题,结合本体技术,构建出基于混合本体的政府信息共享模型,并且通过本体之间的相似度的计算,建立局部本体与全局本体之间的映射关系.建立映射关系的目的是为了消除信息的语义异构,从而在根本上解决政府信息共享的难题.最后在此基础上,结合应用实例进行验证分析,实践证明所建立的基于混合本体的政府信息共享模型具有一定的理论与实践意义.     

基于聚类的本体块匹配方法

提出一种新的处理n:m映射的方法,该方法将n:m映射问题转化为聚类问题,利用Hownet中的资源使本体中的实体基于语义关系聚合,并重新给出了查全率和查准率的计算公式.使用Hownet及其相关工具对OAEI组织给出的一组本体对进行实验,实验结果表明,该方法对块匹配问题效果较好.     

面向语义Web服务的本体及融合机制

为解决现有的Web服务缺少形式语义支撑，导致Web服务的自动选择和组合困难的问题，该文提出一种基于本体的语义Web服务架构SOA-2，定义了Web服务本体。并实现QoS和上下文信息在SOAP消息中的嵌入和传递。设计了概念关联、角色关联和个体关联适配器．实现分布式本体的融合。与已有的方法相比，针对服务选择和组合的智能需求，本文提出的服务本体综合考虑QoS和上下文因素，并给出了基于适配器的分布式本体融合方法。     

基于进化算法的生物医学本体匹配技术

由于生物医学本体拥有规模庞大的概念和复杂概念间关系,已有本体匹配技术难以高效确定生物医学本体匹配结果。为解决这一问题,构建了生物医学本体匹配问题优化模型,提出基于进化算法的生物医学本体匹配技术来确定最优匹配结果。在求解生物医学本体匹配问题时,采用一种新的生物医学本体概念相似度度量来确保匹配结果质量,并通过基于推理的概念对剪枝技术缩小算法的搜索空间,提高算法效率。实验结果表明,基于进化算法的生物医学本体匹配技术能有效匹配生物医学本体。     

Method of Automatic Ontology Mapping through Machine Learning and Logic Mining

Ontology mapping is the bottleneck ot handhng confilicts among heterogeneous ontologies and of implementing reconfiguration or interoperability of legacy systems. We proposed an ontology mapping method by using machine learning, type constraints and logic mining techniques. This method is able to find concept correspondences through instances and the result is optimized by using an error function; it is able to find attribute correspondence between two equivalent concepts and the mapping accuracy is enhanced by combining together instances learning, type constraints and the logic relations that are imbedded in instances; moreover, it solves the most common kind of categorization conflicts. We thenproposed a merging algorithm to generate the shared ontology and proposed a reconfigurable architecture for interoperation based on multi agents. The legacy systems are encapsulated as information agents to participate in the integration system. Finally we give a simplified case study.