融合概念格约简的中文领域本体学习方法

在基于形式概念分析的中文领域本体学习中, 为提高概念格构建效率, 将概念格约简理论应用于概念格构建中。首先对基于语义依存分析获取的形式背景进行对象和属性约简, 然后基于约简的形式背景采用Godin算法构造概念格, 最后根据修复定理修复约简概念格, 得到完整的概念格。通过有关对萝藦科植物的文本学习, 得到一个萝藦科植物领域本体。实验结果表明, 引入概念格约简理论, 概念格的构建效率提高70%, 进而提高了领域本体构建的效率。     

基于关联规则和语义规则的本体概念提取研究

为解决基于非结构化文本的中文领域本体概念提取效率和准确率不理想的问题, 提出了一种基于关联规则和语义规则的领域本体概念提取方法。利用领域一致性和相关性检查以及关联规则分别获取候选概念和关系集合, 计算候选概念在领域术语关系中的深度和广度, 利用深度和广度信息反馈概念隶属度的思想, 定量分析术语与领域的隶属程度, 进行本体概念的领域隶属度检查, 完成领域本体概念的提取。实验结果表明, 该方法提高了领域本体概念的提取效率和准确率, 具有可行性和合理性, 领域本体概念的提取准确率提高了12%左右。     

基于Web挖掘的领域本体自动学习

为获取领域本体并量化概念关系的可信度,提出了一种基于Web挖掘的学习模型.通过可扩展的模式集和分布语义模型获取本体主干,使用关联规则发现概念间的一般关系,对候选本体进行修剪和合并.模式可信度、概念语义距离与关联特征决定了概念间关系的可信度.通过"文本分析-本体获取-文本扩充"的迭代过程,优化模型参数和阈值.该模型解决了现有本体学习方法对词典或核心本体的依赖性、以及不能对关系进行可信度量化的问题.实验证明了所提出模型的有效性.     

一种面向形式概念分析的语义相似度计算框架（英文）

为了计算形式概念分析的形式概念或概念格的语义相似度,利用描述逻辑概念作为形式背景的特征属性对形式概念分析的形式背景进行语义扩展,即利用领域本体(描述逻辑知识库)提出了形式背景的一种语义表示方法.在此基础上,基于形式背景的语义表示,利用描述逻辑推理(即本体推理)给出了一种面向形式概念分析的形式概念或概念格语义相似度计算框架,并且证明了实例化该架构所得到的语义相似度计算方法满足对称性和等价不变性等基本性质.     

基于中文文本的疾病领域本体学习的研究

为提高领域本体概念及概念之间关系提取效率和准确率, 提出基于中文文本的领域本体学习模型。在提取候选概念的过程中, 采用修改后的关联规则频繁项计算方法对合
成词进行处理, 并结合位图存储分词处理后术语间的物理相邻关系, 再通过计算领域相关度和领域一致度对候选概念进行筛选, 最后利用关联规则可信度和层次聚类的方法分别提取概念间的非分类关系和分类关系。实验结果表明, 该模型对领域本体学习具有合理性, 提出的算法与基于互信息的本体学习相比较, 在概念和关系的提取
上具有较高的准确性。     

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.     

一种面向形式概念分析的语义相似度计算框架

为了计算形式概念分析的形式概念或概念格的语义相似度,利用描述逻辑概念作为形式背景的特征属性对形式概念分析的形式背景进行语义扩展,即利用领域本体(描述逻辑知识库)提出了形式背景的一种语义表示方法．在此基础上,基于形式背景的语义表示,利用描述逻辑推理(即本体推理)给出了一种面向形式概念分析的形式概念或概念格语义相似度计算框架,并且证明了实例化该架构所得到的语义相似度计算方法满足对称性和等价不变性等基本性质．     

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。     

基于综合评价语义描述的领域本体构建

基于现成的领域综合评价的指标体系,通过分析其所描述的语义概念,并对指标进行预处理操作,提取评价指标所表述的概念以及指标之间的关系．根据这些概念和关系构建基础本体,然后再通过生成概念格对该基础本体的概念描述进一步丰富生成更完善的概念格．最后利用形式概念分析的方法和工具构建出领域本体．     

基于快速形式概念集构造的分类规则挖掘算法

提出了Fccrm算法．它采用划分的方法降低了形式背景的规模,通过求形式概念中的最大概念以及它们的下覆盖获取到全部的概念节点,避免了概念格中的复杂关系．同时,该算法还采用了概念剪枝的方法,降低了形式概念集的规模．分类规则集则从形式概念集中提取得到．实验结果表明该算法在性能上有了很大的改进,而且通过形式概念集获取的规则集对于样本集是完备的．     

一种基于本体的文本特征选取方法

传统的文本特征选取方法和赋权方法没有考虑术语之间语义关系,由此引起的特征项权重变化得不到合理反映.针对这个不足,提出一种基于本体的文本特征选取方法.通过将本体引入到特征选取中,将特征项映射到概念,对特征项的权重进行加权调整,使得选取的文本特征能够更好地反映文本内容.最后通过实验,说明该方法的有效性,能够在一定程度上提高...     

一种基于未命名概念的类比推理方法

类比推理作为人类认知发展的中心能力之一,是人工智能领域的一个研究重点.传统的类比推理方法只以人类所熟知的命名概念为基础进行类比推理,忽略了大规模数据中往往存在许多尚未认知的"准概念"——未命名概念,限制了类比推理的完整性.针对这一问题,结合概念格在存储数据信息方面的优越性和知识表达的完备性,提出一种基于未命名概念的类比推理方法.该方法在类比推理的过程中以概念格模型为核心,首先建立源领域和靶向领域的概念格模型,通过概念格结构将两个领域的数据组织起来,其次利用同构算法得到源和靶域之间的节点映射,然后通过本体和概念的属性匹配得到未命名概念,最后利用未命名概念将源领域中的映射关系类比至靶领域,扩大类比结果.实例分析结果表明,文章所提出的基于未命名概念的类比推理方法能够提高类比推理的完整性,得到更多的类比结果.     

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.     

基于多层次概念格的图像场景语义分类方法

现有理论与方法在处理图像场景语义分类时,由于缺少对图像语义关系的深入挖掘,过分依赖视觉词典数量等原因,导致场景分类精度不高.本文提出一种基于多层次概念格的图像场景语义分类方法,将特征集转换成图像视觉形式背景,利用概念格的层次分类模型,通过层次映射关系,分别构建图像与视觉词集属性概念格,在此基础上通过动态调整阈值参数,获取分类精度概念外延阈值,得到具有较高分类精度的场景语义视觉模型.实验结果表明,该模型在精确度指标上有所提高,文中方法切实有效.     

基于图分析的领域知识获取技术

知识获取技术制约着知识系统的研究和应用,有效地从文本中提取领域知识成为知识获取的重要途径.本文提出了基于本体和图分析的领域知识获取技术,分析了本体数据结构、本体概念的实例化以及基于图分析的语义场构造方法.建立了具有广泛适用性的文本知识获取系统框架,实现了原型系统.通过针对中医医案的中医领域知识获取实验验证,取得了较好的效果.     

基于条件属性蕴含的概念格构造及简化

基于三元背景研究三类概念格的构造和简化.首先,基于三元背景构造一个条件属性蕴含形式背景,该背景以三元背景属性集上的属性蕴含为对象,以三元背景的条件为属性.并针对条件属性蕴含形式背景给出形式概念的定义,构造相应的概念格.其次,由于条件属性蕴含形式背景中对象的个数随着三元背景中属性个数的增加呈指数级增长,这使得条件属性蕴含形式背景往往是一个比较大的数据表,因此,对条件属性蕴含形式背景进行对象约简,将原来的对象集替换为单个条件下形式背景的极小属性蕴含构成的集合.该对象约简方法不仅在很大程度上简化了条件属性蕴含形式背景,而且简化后的形式背景对应的概念格与原来的概念格同构.最后,在条件属性蕴含形式背景上引入了可能性算子和必然性算子,在此基础上定义了对象定向概念格和属性定向概念格.     

模糊形式概念分析与模糊概念格

针对在许多应用领域中,大多数信息都是复杂的、不确定的,而传统的形式概念分析不能表达这些模糊的、不确定的信息问题,介绍了将Zadeh的模糊数学理论与形式概念分析理论相结合所形成的模糊形式概念分析理论.给出并证明了在模糊形式背景下对象集合及属性集合的一些结论.建立了在模糊形式背景下的模糊概念格并证明了该模糊概念格仍然是一个完备格.最后用实例说明了这种模糊概念格的构造方法.     

一种医用酶本体概念提取模型的构建

针对中文文本的医用酶本体概念提取问题,提出复合种子概念提取与扩展概念提取相结合的概念提取方法.前者是指通过种子为中心词生成概念,通过互信息判断种子和搭配词之间是否成词;后者是指通过领域隶属度设置适应度函数,结合人工蜂群算法操作简单、鲁棒性强的优势提取扩展概念.复合种子概念与扩展概念构建候选概念集,最后由专家确定领域概念.针对医用酶的中文语料进行了验证性实验,经专家确认该方法用于概念提取效果良好.     

基于本体的信息过滤需求模型构造

在信息过滤系统中,由于缺乏语义模型作为支撑,基于关键词的用户需求模型难于准确地反映出用户的真实需求,成为影响过滤性能的主要瓶颈.提出了以本体构造用户需求模型的方法:采用领域相关度和领域一致度组合方法来确定查询关键词在特定领域的重要程度,建立查询关键词到本体概念的映射,然后利用本体的概念及属性构造用户需求模型.这种基于本体的用户需求模型构造方法能提高过滤系统性能.     

面向医学领域的概念语义本体相似度度量理论与方法研究

领域本体概念相似度已被广泛应用于医学诊断知识库,为克服概念交互过程中所存在的概念度量准确率较低以及领域概念相似度语义融合不充分等问题,提出面向医学领域的概念语义本体相似度度量理论与方法。立足于领域本体结构特征,首先分解了概念层次结构所包含的语义信息,提出基于属性的计算模型,然后在结构层次中求出概念间的最小不可约集合,通过对集合中的语义模型引入调节因子,提高领域概念的融合效率。算法分析以及实例证明该方法能有效提高本体概念融合的准确性。