基于本体的信息安全漏洞关联分析

漏洞是引发信息安全问题的重要因素,对漏洞发生情况进行分析预测值得关注。针对信息安全漏洞数据库中的漏洞数据,基于CWE构建信息安全漏洞本体,形成漏洞领域语义基础,采用Apriori关联算法,对软件中漏洞发生情况进行分析预测。在数据挖掘的数据预处理阶段借助该语义知识,通过将低概念层级的漏洞数据泛化至高概念层级,提高项集的支持度,挖掘出隐藏的关联规则;在关联规则评估阶段通过设计基于用户关注度的规则筛选器ADARF和RDARF,实现了根据用户关注度找出符合用户兴趣度的规则;基于CNNVD漏洞库的实验证明了上述方法的有效性。     

一种基于本体的关联规则挖掘方法

关联规则可用于指导企业商务决策,针对关联规则挖掘的支持一置信框架会产生冗余规则的问题,该文提出了一种本体统计相关性与语义相关性相结合的关联规则挖掘方法。该方法以关联规则挖掘为目标,首先建立领域本体,并集成一个更为通用的本体系统辅助关联规则的挖掘,综合考虑本体的统计相关性和语义相关性定量计算规则相关度。应用客观兴趣度和主观兴趣度约束无趣规则的产生。与已有的方法相比,该方法有效地处理了冗余规则,实现了基于语义的知识表示。同时,该方法在心血管疾病辅助诊断系统中应用验证了其有效性和优越性。     

一种基于关联规则与K-means的领域本体构建方法

随着网络上服务资源的规模化增长,如何帮助用户找到所需服务是一个关键问题.研究发现领域本体的构建可帮助用户有效解决该问题,而已有的一些构建方法一般依靠人工,费时费力.针对该问题,提出一种基于关联规则和K-means的领域本体构建方法.该方法首先利用支持向量机进行面向领域的服务分类,从分类得到的领域知识中选取初始领域概念;然后根据关联规则和K-means算法挖掘概念间关系,以得到初始领域本体,并使用Wordnet对其进行语义丰富.最后,通过ProgrammableWeb网站提供的真实服务集进行实验验证.实验结果表明所提出的领域本体构建方法能够识别概念间关系,进而为Web服务语义查询提供相应支持.     

基于领域本体的知识库架构和实现

知识库是基于语义的信息检索进行推理和知识积累的基础和关键,而本体Ontology则是知识库的基础.对基于本体的领域知识库架构及知识推理系统进行了分析研究,以高中生物学知识库的构建为应用背景阐述了领域本体概念树的抽取过程,并应用建模工具Protégé构建了OWL语言描述的生物学领域知识库实例,为下一步实现知识推理完成了知识表示.     

基于本体的模糊关联规则算法

模糊关联产生的大量候选数据项集使得在大型数据库中数据处理效率很低;提出基于本体的模糊关联规则挖掘系统;通过利用领域本体提高模糊关联规则挖掘效果,改变了挖掘算法,提出新规则．实验表明得到的新规则更有意义．     

基于模糊关联规则的汽车评价知识构建及应用

基于模糊概念格构建的汽车评价知识库可以通过概念及格结构刻画知识与知识间的层次关系。若从汽车评价数据中挖掘关联知识将对汽车性能推理具有非常重要的作用。文章运用模糊关联规则格的方法对基于模糊概念格表示的知识库进行改进。为了提高模糊关联规则提取的性能,将部分参数进行重新定义,用于构建汽车评价的关联知识,以补充和完善模糊概念格表示的知识。在此基础上,依据模糊关联规则对汽车缺省的评价信息进行推理。     

关键基础设施网络关联脆弱性评估的本体配置

面向城市关键基础设施网络(CIN)关联脆弱性评估中的多源知识融合,提出一类知识本体配置方法,包括本体建模与本体匹配两个串行联动的部分.首先,结合历史案例与文献,溯源CIN关联脆弱性评估涉及的情景、关联、评估三方面知识要素,建立了CIN关联脆弱性评估的知识本体模型.然后,为实现多源本体智能化配对,建立基于本体检索与本体匹配评估的本体匹配算法,支持相关知识的动态有效融合.最后,通过一个用例验证本体配置方法的合理性.用例结果表明:本体配置方法能够集成CIN关联脆弱性评估的各类知识,避免多组织协同过程中的知识语义和结构冲突.     

面向知识级应用的多维语义本体构建

本体作为知识的承载者被信息科学领域引入,用来解决知识表示和知识组织方面的问题。基于语义本体理论,提出了多维语义本体模型,从不同维度对世界知识进行建模。基于知识的抽象层次,在多语言、多领域知识之间建立了语义关联,在此基础上构建了多维语义本体,用于解决信息共享时语义缺乏和多语言知识关联的关键问题。对多维语义本体进行了分析和横向比较,并对将来构建过程中面临的主要问题和挑战进行了探讨。     

基于本体的受限领域问答系统研究

鉴于使用本体表示知识利于知识的重用及推理,提出基于本体知识库的受限领域问答系统(QA)框架,该框架可以方便地根据本体知识库和问句语义表征抽取答案.定义了本体的结构,以某医疗领域的本体为例分析本体元素之间的抽象关系;描述问句语义分析的方法,给出答案抽取的相关技术;分析问句类型,给出对应的问句语义表征和答案抽取策略.以某医疗领域的问答系统为实验平台,封闭测试F值为83.86%,开放测试F值为76.04%,效果良好.     

基于语义分析的运维数据关联知识库构建方法研究

传统方法采用数据挖掘的方式构建运维数据关联知识库,返回的关联信息并非用户想要的最终结果,不符合用户意图。为此,提出一种新的基于语义分析的运维数据关联知识库构建方法。给出运维数据关联知识库结构。采用文档主题生成模型LDA获取关键词,通过语义相似度求出知识案例与检索词间的相近程度,将和检索词相似度最高的结果作为检索结果。对运维知识项的各个属性赋予权值,依据构成元素的权值与知识库各个属性的匹配关系计算权值和,求出相似度。采用关键词权重量化法对检索结果进行处理。将构建知识库应用于动车系统中,结果表明,通过构建知识库可有效检索运维数据关联知识,为运维人员提供依据。     

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.     

语义Web中本体构建的方法

通过分析语义Web的层次结构,指出本体在其中的核心作用.提出了基于统一建模语言类图可视化地表达本体并基于Web本体语言构建本体的方法,给出转换过程中的一些启发式规则;从一致性和结构合理性等方面给出了本体的评价准则;采用该方法有效地构建了选课本体,为语义Web中基于本体的知识表示和规则推理提供了切实可行的方法.     

基于语义分析的运维数据关联知识库构建方法

传统方法采用数据挖掘的方式构建运维数据关联知识库,返回的关联信息并非用户想要的最终结果,不符合用户意图。为此,提出一种新的基于语义分析的运维数据关联知识库构建方法。给出运维数据关联知识库结构。采用文档主题生成模型LDA获取关键词,通过语义相似度求出知识案例与检索词间的相近程度,将和检索词相似度最高的结果作为检索结果。对运维知识项的各个属性赋予权值,依据构成元素的权值与知识库各个属性的匹配关系计算权值和,求出相似度。采用关键词权重量化法对检索结果进行处理。将构建知识库应用于动车系统中,结果表明,通过构建知识库可有效检索运维数据关联知识,为运维人员提供依据。     

道路交通场景事件的语义解释方法

针对传统道路交通事件语义解释方法依赖于定量数学建模方法,且底层语义概念与高级事件表达之间存在语义鸿沟的问题,提出了基于动态描述逻辑框架的事件语义定性表达和推理新方法.首先,对静态道路场景信息进行分类标记,构建交通领域本体模型,给出了本体知识库实时修改算法;其次,基于动态描述逻辑的动作公理,提出了描述车辆运动变化的运动模式集,实现了对一定约束条件下车辆机动能力范畴的刻画;最后,将事件语义解释过程抽象简化为目标的实现过程,提出了子目标生成以及实现规则,达到了依据交通事件语义解释交通态势变化过程的目的.实验结果表明:领域本体知识库的定义明确,拥有统一的框架结构,便于理解,且具有通用性;动态描述逻辑良好的表达和推理能力增强了事件语义描述的可靠性,较好地解决了语义鸿沟问题.     

唐卡领域本体研究与构建

分析并构建唐卡领域本体,以实现基于语义的唐卡图像标注与检索.在唐卡领域专家的指导下分析唐卡的分类体系,给出唐卡本体相关的定义和公理,定义了相关概念、对象、属性、实例及约束条件,并基于Protégé构建了唐卡领域本体.最后对其进行一致性分析,实现了基于语义的唐卡知识库查询,进一步验证了所构建唐卡领域本体的合理性.     

分布式数据挖掘综述

随着网络技术、通信技术等的不断突破,互联网、移动网、广电网等多种类现代网络及其衍生业务迅速扩张,形成泛在于网络空间的分布式计算环境。为了最大化这些数据的价值,需要利用数据挖掘技术发现其中隐藏的模式或规则,用以指导和辅助生产或运营中的管理决策行为,以提高决策水平及决策收益。然而,受到普遍存在的异构性、私有性和平台兼容性等限制,兼因行业竞争和法律约束等因素(如个人或企业的数据隐私保护问题等),互联于网络的数据源难于进行集中式挖掘,分布式数据挖掘(DDM)技术应运而生。介绍了DDM的定义与框架、适用场景和研究挑战。根据文中给出的DDM高层架构,最终结果的质量与局部数据源的类型、可用性、局部结果的质量及整合方法等密切相关。DDM的实施未必都以站点间纯粹独立挖掘的方式进行,此外,对于数据集中,系统分布式站点多的情况,也可采用DDM。当前,DDM研究领域的挑战主要有:异构与同构挖掘、动态环境下的数据多变性、通信开销、知识整合和语义异构等。当前的DDM系统被分为4类:1)基于Multi-Agent的系统,利用Agent的自治性实现局部挖掘以保护数据私有性;利用Agent的主动性减少用户参与以提高挖掘自动化水平;利用Agent的协作性实现多算法协同挖掘等;2)基于网格的系统,利用网格在资源共享、开放服务和协同工作等方面的优势,提高挖掘的可靠性和协同性;3)基于元学习的系统,通过元学习优化挖掘算法的选择与组合,并对已获知识进行多次学习以提高结果质量;4)基于CDM(collective data mining)框架的系统,将待学习的函数表示为一组基函数的分布式存在,允许各数据源选择不同的学习算法,并以全局结果正确为前提减少网络通信量。进而,对当前DDM研究存在的共性问题进行了归纳:1)结果质量问题,不考虑各个站点数据源间的内在语义联系,各站点独立挖掘本地数据,与其他站点间无语义层面的数据交互或融合,形成纯粹的"分割式"挖掘,最终导致全局结果质量受损;2)挖掘效率问题,如何调度资源以平衡挖掘负载、减少协作挖掘中的通信开销问题。针对结果质量问题,探讨本体与数据挖掘的结合。作为语义网的基础,本体能为对象语义距离度量提供有效支持。当前,在利用本体描述挖掘任务的领域背景方面,利用本体描述DM过程本身方面,都已经有研究人员进行了探索性工作:针对关联规则挖掘中需要从海量规则中遴选有效规则的问题,提出了交互式的、用于删减冗余规则的挖掘后处理方法;针对在给定知识发现过程的输入和输出类型前提下,知识发现工作流的自动构造问题,提出了解决方法。通过阐述可知,为了提升分布式挖掘过程中局部结果和最终结果的质量,策略之一就是将DDM理论和本体理论作融合,以数据源间语义距离的度量为突破口,建立语义距离度量的复合量化体系,通过构建和求解新型DDM模型来实现目标。     

基于领域本体和知识推理的语义互联网应用

介绍了利用基于领域本体(Ontology)的知识库和一阶谓词推理引擎构建的语义互联网(Semantic Web)应用：铁路信息查询系统．该系统通过引入W3C提出的资源描述框架和Ontology,将互联网的标记信息进行语义标注构建事实库．该系统构建了铁路领域的本体集(Ontologies)，依此将从互联网上获取的信号映射到实例，形成语义化的知识库．在此基础上，客户端接收来自用户的查询请求，将其传送至服务器端．并将其提交给一阶逻辑推理引擎，结合事实库和规则库进行处理得到最终的查询结果，客户端以文本和图形两种方式显示给用户．     

面向船体分段生产调度的知识导航系统设计

为了解决船体生产调度任务决策过程中容易迷失方向,效率低下的状况,紧密结合生产调度的领域特性,研究了知识地图以及生产调度相关原理,确立了基于知识地图的船体分段生产调度知识导航体系结构,并分析了其实现的关键技术为面向船体分段生产调度的本体、语义节点的构建集成技术、基于本体的语义关联和知识地图实现技术等,将知识导航系统应用于船体生产调度领域.最后,针对某船厂曲面车间的船体分段调度派工过程,构建了知识导航原型系统实例来进行说明.     

基于模糊本体的智能交通系统知识建模

为有效处理交通知识建模中的模糊与不确定现象,提出包括领域本体与顶层本体的模糊本体模型.在领域本体中引进模糊概念属性值,并将普通的概念关系扩展为模糊关系与直觉模糊关系.顶层本体基于模糊语言变量的形式化表示,考虑了模糊概念间的实质性语义关系:集合关系、序关系与等价关系.以交通事故分析与预测系统为例,建立交通知识本体模型与基于语义的信息检索系统.该模型可有效进行智能交通系统的知识建模,有利于语义Web环境下智能交通的信息管理与知识管理.