采用双向个体标注的本体匹配技术

针对现实本体中缺乏双向标注的个体而导致的基于个体的本体匹配技术难以得到广泛应用这一问题,提出一种采用双向个体标注的本体匹配技术. 该技术通过进化算法实现本体间自动化个体双向标注和概念匹配的过程. 实验采用OAEI 2012的测试数据集,结果表明所提出的方法是有效的.     

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。     

基于家电领域本体的语义检索原型研究

本文在已建立的家电领域本体的基础上,提出一种面向家电领域的语义检索模型,该模型一改传统检索方法中机械式字符匹配的弊端,支持基于本体的语义理解.利用SVM分类器、自然语言处理、语义标注等技术,在对查询条件预处理以及资源语义标注的基础上,对标注资源库进行检索,提高了查准率和查全率。     

基于领域本体的股票资讯新闻自动语义标注技术

目的利用领域本体来提高股票资讯新闻自动标注结果的质量。方法在构建股票资讯领域本体的基础上,首先使用最大正向匹配技术来提取股票资讯新闻中的关键信息,然后将关键信息与股票资讯领域本体进行匹配,最后利用领域本体标注出与该股票资讯新闻相关的股票。结果比较实验结果表明基于领域本体的股票资讯新闻标注技术的准确率明显高于基于关键字的标注技术。结论将股票资讯领域本体中的知识用于标注股票资讯新闻可以确定更多同股票资讯新闻相关的潜在股票,从而提高标注结果的质量。     

基于领域本体的信息搜索模型

针对目前的搜索模型局限于语法层次上关键词匹配的特点,以领域本体作为知识组织方式,提出了一种语义环境下基于本体的信息搜索模型.在此模型的基础上,分别提出了文档语义标注算法和搜索词语义扩展算法,两种算法分别对文档集语义分析和搜索词语义关系理解,实现双向语义信息搜索的目的.实验结果表明,提出的信息搜索方法能够克服关键词匹配搜索的不足,获得较好的搜索效果     

基于领域本体概念划分的语义标注方法

对当前的基于领域本体的语义标注方法进行了说明和分析,提出了基于领域本体概念划分的语义标注方法.该方法将领域本体中的概念分为特有概念和普通概念,先用一般的领域本体标注算法计算特征词的权值,再对普通概念特征词的权值进行调整,最后结合水稻领域进行试验.实验表明,该方法在保证查全率的基础上,提高了普通概念特征词的查准率.     

基于本体的个性化检索技术研究

近几年信息检索技术飞速发展,但很多搜索引擎都存在检索精度不高,检索结果不够个性化等问题。本文提出一种基于本体的个性化检索方法,在记录用户手动标注的信息生成一个个性化倒排索引的同时,再将其与本体知识相结合,进一步明确概念和语义关系,使得用户榆入相同或相近的检索词时也能反馈用户曾经标注过的文档信息,从而满足用户的个性化需求。     

基于异构本体的Web服务自动发现

Web服务应用的一个关键问题是如何发现需要的服务。传统的服务发现是利用UDDI和WSDL等技术,采用基于关键字的搜索,查准率低、需要人工干预且缺乏语义。本文研究基于异构本体的服务自动发现技术,提出了一种新的本体语义匹配算法。对发布服务和请求服务都采用本体语言OWL描述,然后用本体映射的方法解决了服务描述本体间存在的异构问题,并用本文提出的匹配算法实现了基于异构本体的服务自动发现。     

面向网络舆情分析系统的本体应用

针对现有网络舆情分析系统缺乏语义信息,可能导致分析结果不精确的问题,研究了本体技术在构建网络舆情分析系统中的应用,提出基于本体的网络舆情分析系统结构,并对系统实现中采用的本体技术包括网络舆情本体库的构建、网络文本语义标注、基于语义相似度的敏感话题发现和构建查询词的概念空间等进行了研究。通过本体建立舆情分析概念的共享空间,可以有效地挖掘网络内容的语义信息,提高舆情分析的准确率。     

基于模式的本体匹配研究

本体匹配的主要目的，就是在两个不同的本体之间建立语义映射。由于本体可以从不同的方面进行比较，所以，目前有很多技术可以用来实现本体的匹配。本文介绍的就是基于模式的本体匹配技术。介绍了两种基于模式的本体匹配技术：元素匹配和结构匹配技术；并分析了匹配过程中的不确定性。     

P2P环境下基于Ontology的概念匹配策略

采用Ontology作为一种能在知识和语义层次上描述信息的概念建模工具,根据Ontology具有的良好的概念层次结构和对逻辑推理功能的支持,提出新的概念匹配算法,突破了传统的基于关键字的检索技术,把查询请求定位到相关的社区,因此能得到满意的结果.     

Extracting Semantic Subgraphs to Capture the Real Meanings of Ontology Elements

An element may have heterogeneous semantic interpretations in different ontologies. Therefore, understanding the real local meanings of elements is very useful for ontology operations such as querying and reasoning, which are the foundations for many applications including semantic searching, ontology matching, and linked data analysis. However, since different ontologies have different preferences to describe their elements, obtaining the semantic context of an element is an open problem. A semantic subgraph was proposed to capture the real meanings of ontology elements. To extract the semantic subgraphs, a hybrid ontology graph is used to represent the semantic relations between elements. An extracting algorithm based on an electrical circuit model is then used with new conductivity calculation rules to improve the quality of the semantic subgraphs. The evaluation results show that the semantic subgraphs properly capture the local meanings of elements. Ontology matching based on semantic subgraphs also demonstrates that the semantic subgraph is a promising technique for ontology applications.     

基于联邦式本体的HLA仿真建模

针对当前高层体系结构(high level architecture,HLA)难以保证复杂产品协同仿真过程中数据与语义一致性的问题,该文提出了一种基于联邦的本体组织方法,给出了联邦式本体的概念。联邦式本体以HLA发布和订购的方式完成分布式概念匹配与保存,实现多领域模型的语义一致,既保证了领域本体独立性,又保证了模型间的互理解性。该文研究实现了基于联邦式本体自动构建仿真任务HLA对象模型的方法,能根据仿真任务联邦概念模型,自动完成对象模型的创建、部署,提升了领域仿真模型的可重用性,并提高了HLA联邦的开发效率。     

基于本体的多Agent语义挖掘系统

在分析语义W eb与本体需求的基础上,提出了基于本体的多A gent语义挖掘系统模型。该系统由用户A gent、匹配A gent、语义中间件、推理A gent、查询A gent、本体库以及语义信息源等组成。并且开发了基于本体的多A gent语义挖掘系统的实验原型,为下一步研究开发比较成熟的软件产品奠定了良好的基础。     

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。     

基于对象的本体知识库设计研究

本体(Ontology)是一种对"存在"的系统化解释。将本体的概念和思想用于计算机领域,可用本体描述应用领域中的术语和术语之间的关系以及构成术语及术语间关系的规则(知识)。鉴于确定问题空间的实体较确定问题空间的知识要容易、简单。因此,文章提出了基于对象的本体知识库设计方法。     

An ontology-based service matching strategy in grid environments

An efficicnt ontology based service searching scheme is put forward in this paper by introducing semantic information into grid systems. The ideas of ontology and OWL (Web ontology language) are applied to establish a uuiform abstract concept model and standardization for grid services. We propose a general framework of ontology-based service discovery sub-system, which includes ontology storage module, context based domain selection module and specific service matching module. Implementation policies are also presented in this paper.     

基于语义Web的智能信息检索模型

针对传统基于关键字的信息检索系统查全率和查准率都不高的缺点,提出了一种基于语义Web的智能信息检索模型,此模型在语义Web的环境下,利用本体技术,将最初的检索词通过查询扩展模块得到更完善的检索词集,然后利用扩展的检索词集进行检索。将基于关键字匹配的信息检索系统提升为基于本体知识库扩展查询的智能检索系统,从而提高了查全率与查准率,满足了人们对信息检索系统的要求。最后给出了模型的一种实施方案。