基于形式概念分析构建本体的方法研究

本体作为语义网的基础是共享概念模型的明确的形式化规范说明,用于表达数据源的语义、识别和建立概念间的语义关联等。有效地构建本体成为本体应用的关键问题,本文采用形式概念分析构造本体,并利用多值背景的转换算法对词语-文档的二元关系表进行转换导出单值背景,从而更大程度上保留关系表带有的信息。     

基于P-集合和FCA的中文领域本体学习方法

提出一种基于P 集合和形式概念分析的中文领域本体学习方法. 该方法以非结构化中文文本为数据源, 通过引入P-集合理论获取形式背景, 在获取形式背景的基础上, 采用Godin]算法构造概念格, 并采用自定义映射规则实现概念格到中文领域本体的映射. 通过学习生物和水领域文本, 得到一个中文领域本体. 实验结果表明, 该方法能解决手工构建本体费时、 费力的问题, 且学习到的本体是形式化本体, 能被更好地共享和重用.     

一种基于模糊推理的模糊本体的插入技术

本文介绍了在模糊本体检索插入中使用模糊推理的一种方法.并给出了一种模糊本体的生成方法,通过使用模糊蕴含和模糊合成,对这种方法生成的模糊本体进行矩阵推理计算并得出结论.     

基于形式概念分析和本体的搜索引擎设计思考

本文从增强传统搜索引擎的搜索功能入手,用形式概念分析和本体作为基础工具,利用两者的结合可以有效地提高搜索引擎的检索效率和提升检索的准确性,使搜索引擎更加智能,并通过部分手机产品族为实例加以演示.     

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。     

基于本体的教务数据集成的探析

高校教务信息管理系统的异构数据源之间存在着各种语义冲突.本文结合本体和中间件方法,通过构建教务管理领域本体,将用户对数据集成的需求利用本体词汇进行表达,在中间层完成全局本体到局部数据源之间的模式映射,以处理教务数据集成的语义需求,对于推动数字化校园建设具有现实意义和实用价值.     

智能交通系统本体数据集成

针对国内交通运输行业普遍存在的多源异构交通数据难以充分共享的问题,提出一种基于本体的智能交通系统ITS数据集成框架.该框架以Protégé工具开发的OWL本体作为ITS共享数据语义的标准化定义,使用D2RQ引擎实现了遗留交通数据向本体形式数据片段的映射功能,通过JENA本体中间件将多源本体数据片段集成为一个统一的数据语义视图,从而实现面向主题的ITS信息数据服务组件的数据共享与互操作.为验证框架的正确性和可行性,以国内区域高速公路网交通地理信息数据集成为例,从共享本体开发、本体数据映射文件设计和本体中间件开发等方面完成了ITS数据集成系统的实现.系统示范应用表明,该成果可用于ITS系统对多源异构交通数据的一致理解和充分共享,在我国交通运输行业的信息化建设中具有应用价值.     

基于领域本体的概念格语义匹配

本体作为语义网的重要工具,是对共享概念模型的形式化规范说明.领域本体更是说明了一个领域特定的概念定义和概念之间的关系,提供该领域中发生的活动以及该领域的主要理论和基本原理等.提出了一种基于领域本体的概念格语义匹配方法,以提高匹配的精确度.     

基于本体的关系型数据库集成与应用

本体越来越多地被用于异构信息的集成。本体整合大体上有三个不同的方向:单本体方法、多本体方法和混合本体方法。提出一个基于混合本体的信息集成框架,此框架能够支持两种查询:基于全局本体的查询和基于局部数据源的查询,且详细地论述了两种类型查询的实现原理和过程。此外,将此框架应用于分布式的数字博物馆中,证明了方法的有效性。     

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。     

一种从关系数据库学习OWL本体的方法

提出了一种从关系数据库学习OWL本体的方法.该方法在形式化表示关系数据库模式和OWL本体的基础上,遵循从关系数据库模式到OWL本体的一组通用映射规则.基于Java 2平台的原型工具实现和案例研究证明了该方法的有效性.     

基于本体增量学习的主题爬行

在面向领域的信息搜索中,本体作为相关的领域知识往往有助于改善搜索效果,在信息检索中被广泛应用.基于本体增量学习的主题爬行技术的研究工作主要包括:首先,利用本体对领域概念及关系的描述作为网页主题判定的依据;其次,在爬行过程中,将学习得到的新概念和关系加入到本体中,以丰富完善领域本体,进而提高主题爬虫的收获率;最后,经过大量的实验数据分析,在词条提取准确率、收获率和响应速度等多个指标方面,证明了所提出的方法是可行的并且是高效的.     

基于Bayesian决策的本体缓存

为了解决在语义W eb信息处理中本体的频繁存取造成的性能问题,提出基于B ayes ian决策理论的本体缓存模型。该模型有效利用本体的语义性和本体的存取日志来抽取特征向量(包括语义特征、存取特征和类型特征),通过B ayes ian决策理论指导在本地缓存频繁使用的本体,并通过机器学习优化缓存模型,提高本体概念和实例缓存命中率。本体的有效缓存减少了本体网络访问的开销,实验表明,采用该本体缓存模型后,原型系统的本体访问速度在G auss分布的本体访问概率下提高了25%左右。     

本体支持下的企业数据模型构建

为解决企业级建模缺乏标准稳定的数据环境的问题,该文根据本体论思想、统一建模语言(UM L)和关系数据模型三者间的一致性,提出了本体支持下的企业数据模型构建方法。划分了三类本体,形成了需求分析的新框架;本体中六元组定义和情景演算方法首先从概念语义层面上分静态和动态建立了企业领域中的概念模型,奠定了逻辑基础;借助UM L及其建模工具进行图形化的直观表达,获得业务逻辑模型,并易于转换为面向关系数据库的数据模型。此外,该文同时应用本体的求解过程对模型的评价和维护作了尝试。     

协同学习环境中感知本体的构建方法

为了对协同学习环境中的感知信息进行合理、有效的组织,提出了协同学习环境中的感知本体模型,其中包含成员概念、成员组概念、角色概念、知识域概念、事件概念、活动概念六个方面以及概念内部及概念之间的各种关系,可有效解决传统感知信息组织能力受限、维护困难的问题,最大程度地提高协同学习效率．此外,在此模型的基础上提出了一种基于N—Grams的知识域相关关系提取方法,可以自动精确地提取相关关系,适合动态的感知信息处理．     

An ontology reasoning architecture for data mining knowledge management

In order to realize the intelligent management of data mining （DM） domain knowledge, this paper presents an architecture for DM knowledge management based on ontology. Using ontology database, this architecture can realize intelligent knowledge retrieval and automatic accomplishment of DM tasks by means of ontology services. Its key features include：①Describing DM ontology and meta-data using ontology based on Web ontology language （OWL）.② Ontology reasoning function. Based on the existing concepts and relations, the hidden knowledge in ontology can be obtained using the reasoning engine. This paper mainly focuses on the construction of DM ontology and the reasoning of DM ontology based on OWL DL（s）.     

一种本体的形式描述方法及其应用

针对目前还没有一种公认的形式本体描述方法的问题,在对本体的概念、性质进行分析的基础上,结合应用实际,提出了一种本体的形式描述方法DecDef(Declare Define).在这种描述方法中,把本体抽象成外部声明和内部表示两部分,在外部声明中说明本体中的概念、关系;在内部表示中说明这些概念和关系的语义,建立了本体内的简单推理模型.给出了这种形式描述的一个基于XML(Extensibble Makeup Language)的系统模型以及一个具体的应用实例,说明该方法在实际中是可行的.     

本体的概念、建模与应用

为了阐述本体的内涵,讨论了本体的概念、分析了本体与其他知识表示方法的本质区别,总结了本体的分类。本体建模是应用的基础,论述了本体的建模原始建模方法,总结了常用的本体建模语言和建模工具。本体可以应用于知识管理、系统分析、异构信息集成等领域。作为本体应用的演示性实例,讨论了基于本体的网管信息语言层集成,证明基于本体可以解决网管信息的语义异构性。