有单位元的环的主同余

通过构造有单位元的环的主同余公式,给出了有单位元的环的主同余刻画;归纳于有单位元的环的一元项的形成和主同余公式的长度,从而给出有单位元的交换环和单位元的环的主同余的判定条件.     

面向语义Web的直觉模糊粗描述逻辑

分析了面向语义Web的直觉模糊粗描述逻辑的研究现状和存在的问题,基于(I, T)-直觉模糊粗集理论将直觉模糊描述逻辑和粗描述逻辑进行了集成,即提出了一种新的直觉模糊粗描述逻辑．针对与本体语言OWL 2等价的描述逻辑SROIQ(D),对SROIQ(D)进行了扩充,具体提出了直觉模糊粗描述逻辑IFRSROIQ(D),给出了IFRSROIQ(D)的语法、语义和性质,证明了IFRSROIQ(D)的推理问题（包括知识库可满足性、概念可满足性、概念包含、逻辑推导、ABox一致性推理等）都可以归约到基于完备格的描述逻辑L*-SROIQ(D)上对应的推理．     

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．     

基于偏好关系的动态意图模型

研究了主体的意图模型，重点研究了决策理论中的偏好关系与主体意图的结合，根据决策理论中的偏好关系，提出了主体目标的偏好关系和层次结构，针对已有的主体意图模型与实际应用存在严重的“代沟”等问题，提出了一个基于偏好关系的动态意图模型，该模型简单，自然和实用，能客观地反映主体意图的动态性，稳定性，并发性和相关性等特征，并且能将动态性和稳定性（互相素质的两个性质）有效地统一在该模型中。     

基于语义的旅游信息搜索引擎

在分析传统检索技术存在的问题基础上,采用Ontology技术结合传统搜索技术构建了一个基于语义的旅游信息搜索引擎,提出新的本体构建方法,给出了构建旅游信息领域本体的过程.根据用户的搜索需求定制规则,使用Jena的推理机制,通过规则对旅游信息本体进行语义访问与逻辑推理,提供更为灵活、有效的检索方案,向用户提供智能化、知识化服务,提高了搜索引擎的查准率和查全率.     

融合文本和路径语义的知识图谱嵌入学习模型

针对现有的融合文本和路径信息的模型未能充分挖掘和利用文本与路径语义的问题，提出了新的知识图谱嵌入学习模型(GETR模型):首先, 利用LDA丰富实体描述文本语义并用TWE获取词和主题向量，采用Bi-LSTM模型把词和主题向量编码融入实体向量表示中，以增强结点的语义表达能力；其次，设计了以组合PageRank和余弦相似度算法为策略的随机游走算法，以获取实体间的多步路径，并利用自注意力机制捕获路径的重要语义融入到翻译模型中进行联合训练，从而达到有效过滤路径中的噪声和提高模型效率的目的.最后，在数据集FB15K、FB20K和WN18上，对GETR、TransE、DKRL、TKGE模型进行知识补全和实体分类任务的评测，结果表明:GETR模型具有更好的性能表现，是一种更加高效的知识表示方法.     

语义Web的逻辑基础

分析了目前语义Web理论的研究现状和存在的问题, 分析了用传统描述逻辑作为语义Web逻辑基础的不充分性, 根据语义Web的特点和需求, 提出了一种新的动态描述逻辑DDL, 该DDL将静态知识和动态知识表示与推理有机地整合在一起. 特别的是, 给出了具体的动作描述方法, 并按照传统描述逻辑的语义解释方法给出了动作的语义解释, 从而该DDL形成了一种能同时处理静态知识和动态知识的统一的形式化逻辑框架. 该DDL具有清晰的语义特征, 既提供了可判定的推理服务, 又能有效地对静态知识、动态过程和运行机制进行表示和推理(动作的可实现性和动作之间的包含关系), 因此, 提出的动态描述逻辑DDL可以为语义Web提供合理的逻辑基础, 弥补了传统描述逻辑作为语义Web逻辑基础的不足.     

基于概念语义相关性和LDA的文本标记算法

为了提高文本标记和分类的效率,提出了基于概念语义相关性和LDA的文本自动标记算法(Text Mark Label,TML),用以代替人工标记的文本分类标记. 该算法在概念语义相关性计算的基础上,使用LDA(Latent Dirichlet Allocation)提取文本的主题表示,通过计算文本主题从属于各分类目录的期望从而实现文本自动标记. 为验证TML算法的效果,在标准文本分类数据集上使用文本分类器进行有监督文本分类实验. 为对比数据集和分类器对分类效果的影响,在3个数据集（WebKB、Reuters-21578、20-NewsGroup）上分别使用3种不同的分类器（Rocchio、KNN、SVM）进行实验. 实验结果表明:TML算法有效地提高了文本分类效率及文本标记效率.     

一种语境化模糊本体的方法

本文主要研究如何将模糊本体进行语境化,即语境化模糊本体. 具体来说,提出了一种语境化模糊OWL（Web Ontology Language）本体的方法,讨论了如何扩展模糊OWL（F-OWL）本体的语法和语义来处理F-OWL本体无法处理的问题,并进一步提出了一种模糊语境OWL本体语言FC-OWL. 该本体语言FC-OWL是一种扩展的模糊语言,具有丰富的语义,并且允许对模糊本体进行语境化表示.