云计算环境下的SWRL规则分布式推理框架

为解决传统推理引擎在进行大规模OWL本体数据的SWRL规则推理时存在的计算性能和可扩展性不足等问题,提出了云计算环境下的SWRL规则分布式推理框架CloudSWRL.根据SWRL规则语义,并以Hadoop开源云计算框架为基础,设计了OWL本体在HBase分布式数据库中的存储策略,定义了SWRL规则解析模型和相关推理中间数据模型,提出了在DL-safe限制下基于MapReduce的SWRL规则分布式推理算法.实验结果表明,在对大规模OWL本体进行SWRL规则推理时,CloudSWRL框架在计算性能和可扩展性方面均优于传统推理引擎.     

基于本体的汽车服务平台研究与开发

文章以汽车信息平台为背景,采用OWL（本体语言）建立汽车信息本体知识库,建立基于SWRL（语义网规则语言）的汽车关系判定和推理的规则库,研究设计并实现出一个以本体（Ontology）为基础具备规则推理能力、具有Web接口的智能汽车服务平台。     

分布式环境下基于形式化领域本体的查询处理

为了提高语义Web查询的查全率和查准率,文中提出了一种基于形式化领域本体的查询处理方法.首先采用描述逻辑表达领域本体的语法和语义,实现领域本体的形式化转换;然后基于转换后的形式化领域本体,采用含半幺群概括演算作为基于形式化领域本体查询转换的目标语言,定义了用户查询到含半幺群同态查询的转换规则和语义优化处理、查询重写规则,最后通过实验验证了该方法的查询性能.     

基于云模型和SWRL预测兵器试验故障的研究

将云模型理论和SWRL应用于预测兵器试验故障的研究,用MATLAB实现了正向云和逆向云发生器,用protege建立了兵器试验故障本体并确立了SWRL规则。举例将云模型预测的数据输入兵器试验故障本体用SWRL规则进行了推理,以保证预测结果的正确性与一致性。     

语义Web规则语言的模糊扩展

语义Web规则语言SWRL有较强的表达能力.但它无法表示语义Web中含有的大量不精确和不确定的知识和信息;模糊集中单个隶属度不能准确表达模糊信息;f-SWRL中的权重只能表达模糊类和模糊属性的重要程度.针对以上问题,提出了一种基于vague集的模糊SWRL的扩展形式vague SWRL,给出了二级权重的概念来修饰和限定模糊类和模糊属性的隶属度,研究了vague-SWRL的语法语义,给出了vague-SWRL的规则实例.Vague集的引入,特别是二级权重的引入,增强了模糊规则的表达能力,符合语义Web的发展趋势,具有较大的优越性.     

基于抽取规则和本体映射的领域XML语义集成

油气井工程领域中存在大量的XML文档,传统的XML集成方案无法提供面向语义的信息查询,导致数据利用率不高。针对油气井XML文档WeXML语义集成与查询应用需求,提出一种基于抽取规则和本体映射的语义集成方法。首先定义一系列类、属性抽取规则,分别将WeXML Schema中的元素、属性映射为WeOWL本体中的类和属性;然后,利用实例转换算法将WeXML文档转换为本体实例数据;由于WeOWL提供有限的局部语义模型,需要在两者之间建立语义映射,并借助WeOWL中的术语对全局语义模型中的类和属性进行解释,进而提供面向领域全局本体的语义查询。通过构建WeXML数据语义集成原型系统,对提出的转换规则、转换算法和映射规则进行了验证。     

基于UML的领域规则建模方法

为了实现领域约束规则的可视化表示,检验需求模型与领域知识之间的一致性,该文提出一种领域规则建模及需求模型验证方法.在借鉴本体定义元模型和语义网规则语言(SWRL)基础上,定义了一种领域规则定义元模型.用该元模型扩展统一建模语言,使其可用于领域规则建模.给出了领域规则模型到SWRL描述的转换方法,使需求模型验证可通过形式化推理引擎自动完成.通过模型验证案例分析,说明了该方法的可用性.     

一种家庭服务机器人的环境语义认知机制

为提高机器人对家庭环境的语义认知能力,提出了一种环境语义认知模型.基于卷积神经网络提取场景类别和物品语义信息,实现环境的上下文语义理解;采用语义解析器解析语义信息,进而以结构化的方法表征知识,并将其存入本体知识库.同时基于语义网规则语言(SWRL)推理规则挖掘出其隐藏知识,实现知识库的扩展;以服务任务为驱动,实现家庭环境下机器人快速、准确地从知识库获取所需语义信息,从而智能化地执行服务任务.实验结果表明:所提出的模型能够准确提取环境语义信息,并能使机器人快速检索到服务所需知识.     

基于地理本体的地下管线空间知识表示方法研究

地下管线空间知识作为连接管线建设规范与管线空间关系的桥梁,在地下管线GIS系统的管线数据校验等方面的重要作用已被众多研究人员、开发厂商所认同.而针对目前地下管线空间知识存在的语义缺失与可扩展性不强等问题,本文给出了一种基于地理本体的地下管线空间知识表示方法,通过本体描述语言OWL构建地下管线地理本体,在此基础上通过扩展的语义网规则语言SWRL实现地下管线空间知识的形式化表达.与传统的产生式及三值权位表方法相比,本体的方法使空间知识包含丰富的语义信息,易于扩展且支持复杂计算,有利于地下管线空间知识在不同系统间的共享与重用.     

基于本体的瓦斯灾害预警模型研究

针对传统瓦斯安全预警模型准确性不高和低效的问题,在XML描述元数据的基础上,将瓦斯事故中的基本概念元语和概念之间的关联规则用XML语言和SWRL语言精确描述后存入本体模型,实现了本体的语义推理.与传统的小波神经网络和灰色系统理论相比,本模型将实时数据以实体的形式传入本体,通过语义推理进行瓦斯预警,明显提高了瓦斯预警的精度和效率.     

基于SWRL的应急案例库的知识表示及推理方法研究

针对当下在公共社会领域中突发应急事件的信息量庞大,难以为应急决策系统提供快速支持的热点问题,深入研究了基于SWRL的应急案例库的知识表示以及推理方法。首先定义了应急案例库中的相关概念,并采用语义上具有较强能力的OWL(Web Ontology Language)作为应急案例库Ontology构建的基础。然后引入SWRL(Semantic WebRule Language)来进一步构建应急案例库的规则机制并改善OWL在推理能力方面的不足。最后运用SWRL推理规则与Jena推理机对应急案例库中的规则进行了进一步的整合与推理现实。仿真结果验证了SWRL推理规则的有效性与正确性。     

基于用户查询意图的搜索排序算法

目前互联网技术的研究热点是智能化的、个性化的服务,而传统的Web搜索排序算法和已有的个性化排序已经不能满足政府、企业等用户的信息查询需要.本文将研究核心定位到充分理解用户查询偏好上,提出了基于用户偏好的PageRank算法.文中利用用户互反馈技术修正查询关键词,利用语义相关性技术分析用户查询意图,理解用户偏好.改进的算法完善了搜索查询的可靠性依据,能够较好地挖掘用户的偏好主题,贴近用户的查询目的,提高搜索查询效率和用户满意度.     

Web信息查询研究进展

Web上大量、分布、动态的信息,造成了用户在查询Web上的信息时产生的"信息过载”和"信息迷向”现象.Web信息检索与查询是目前的研究热点,本文分析和比较现有Web信息检索和查询语言技术的发展现状,介绍了基于人工智能领域中机器学习方法的Web信息检索和查询以及信息抽取技术的研究,以供研究者参考.     

基于视图的查询重写

概括了基于视图的查询重写所涉及的研究领域，介绍了查询重写的一些基本概念和定理，总结了基于视图的查询重写的求解过程。在此基础上，揭示了使用视图重写查询过程巾的两个独立复杂性因素，即包含映射和冗余基本式，分析了求解查询重写的复杂性问题。最后，结合当前流行的XML技术，讨论了XML领域中的查询重写问题及其与传统数据库中的查询重写问题的关系。     

基于语义分析的大规模动态图形相似节点查询算法研究

随着动态图形在网络应用领域的发展与扩展,针对当前相似节点查询算法存在运行响应速度慢、查询占用的存储空间较大、容易受到外界因素干扰而导致查询精确度不佳等问题,提出基于语义分析的大规模动态图形相似节点查询算法。首先,依据语义分析的方法,对动态图形相似节点数据进行预处理,获取节点相似性函数;其次,针对当前节点在不同时刻的相似性函数,设计相应的矩阵以增强计算效率;最后,将求出的节点相似程度值按照升序顺序进行排列,将相似程度值最高的节点看作相似节点,实现相似节点的查询。实验结果表明,所提算法查询速度快,查询精确度较高。     

数据库逻辑询问语言

介绍数据库逻辑询问语言的基本概念和询问求值的方法，并扼要介绍逻辑询问语言的研究现状和研究方向。