互联网信息表与RDF数据的集成

网络上存在很多包含实体属性的表格,可以用来扩充RDF知识库,这涉及到实体表与RDF知识库之间的模式映射问题.已有的模式匹配方法仍然不足以用来解决一个实体表与RDF知识库之间的模式匹配问题.为了准确高效的获得Web实体表与RDF知识库的匹配模式,本文提出了一种基于实例的模式匹配的方法,在匹配数据基础上得到统计意义上的Web实体表与RDF知识库之间的匹配模式.依此构建的系统,能根据知识库包含的信息,主动寻找与知识库相关的Web实体表,并利用找到的Web实体表扩充RDF知识库.     

Deep Web中一种基于本体和BP网络的模式匹配方法

针对Deep Web中模式匹配难度大的问题,根据目前模式匹配的特点,提出一种基于本体和BP网络相融合的的模式匹配新方法。该方法利用具有相同含义的本体分组来确立模式之间的对应关系,降低匹配的复杂度;利用BP网络的自我学习能力提高匹配的自动化程度。实验结果表明该方法能明显提高模式匹配的精确度和召回率,有效地提高了匹配质量。     

发布/订阅系统语义Web匹配算法

将语义Web技术引入发布/订阅系统中,结合领域本体,提出一种智能匹配算法.以双索引哈希邻接表,结合谓词表、变量约束表和变量类型表作为订阅条件RDF图模式的数据结构,采用元语句级匹配计数方法,使原子订阅条件仅匹配一次,原子订阅条件间"与关系"的顺序匹配.定量和定性分析了算法的时间和空间复杂度.实验结果比较表明,所设计的智能匹配算法具有较高的订阅匹配效率,适合于大规模发布/订阅系统.     

GIS数据库模式匹配技术研究

作为与传统数据库的显著区别之一,G IS数据库不仅存储空间实体的属性信息,还同时存储其特有的空间信息。对于描述同区域地物却有不同来源或格式的空间数据,可以利用其空间与属性两方面特征,来确定两个要素之间的共同实体。详细介绍了关于G IS数据库模式匹配的实施框架、给出了匹配方法的步骤、算法及已所实现的模式匹配详细流程,包括语意与结构相似度判断以及权重的设置,最后,对匹配过程中包含的不确定因素进行了分析与讨论。     

关联挖掘在Deep Web查询中的研究与应用

对Deep Web进行模式匹配查询时,通常会碰到复杂的模式匹配。由于复杂模式匹配技术在对所有可能联接进行匹配时,需要的空间开销比简单匹配的空间开销大得多,所以现有的模式匹配技术大部停留在简单匹配技术上。为了解决这一难题,本文提出了关联规则挖掘这一方法在复杂匹配中的应用,将模式匹配视为一种关联挖掘,实现web查询接口的匹配,以此将Internet上众多数据库进行集成。     

基于压缩实体摘要图的RDF数据关键词查询

提出一种将关键词查询转换为SPARQL查询的方法来进行RDF数据的搜索.首先,根据RDF本身的关联特点,构建一个压缩实体摘要图;然后,借助关键词与所在实体的索引,将所查询的关键词在该摘要图上进行定位,通过图双向搜索算法找出包含关键词实体的前k子图,获得查询实体之间的关系,再联合最初的关键词及他们的属性,构建SPARQL查询;最后使用SPARQL搜索引擎执行查询.实验结果表明,所提方法较其他方法有更快的响应时间及更高的准确率.     

基于WEESA的语义门户开发框架研究

介绍了一种基于WEESA的语义门户开发的框架,该框架使用WEESA语义标注Web应用中的Web信息和Web服务,并通过语义标注的RDF元数据为Web应用建立知识库,在此基础上,语义收集器从所有的单食Web应用中收集知识库,来建立整个语义门户的知识库,同时介绍了如何使用语义Web服务使该语义门户成为所有Web服务的统一接口。     

模式匹配的一种新方法

为找出模式匹配中数据源模式和一个全局模式之间的模式对应关系、实例转换和语义映射等 ,采用框架方法来描述待匹配的两种模式 .应用多Agent系统中的Matchmaking方法 ,对框架中的不同槽的内容采用不同的匹配处理 ,是比较新颖的模式匹配方法 .     

面向RDF数据的语义扩展查询方法

随着大数据时代的到来,互联网所承载的信息呈现出异构性强、价值密度低、来源分布广、实时性高等新的特点.因此在信息检索时,与获取相关网页相比,人们更希望获得页面中包含的知识.RDF作为一种新的知识表示和发布形式,以其精确且易于理解的语义结构得到了广泛的认可和应用.但传统基于语法匹配策略的SPARQL查询方法无法发现RDF数据中不同谓词间的隐含语义,不能从语义层面上获取更加完备的查询结果.针对这一问题,设计了一种新的查询方法来扩充传统SPARQL查询模式.首先分析RDF三元组中谓词的语义属性.在此基础上,根据不同谓词间语义属性的标注,对输入SPARQL语句中具有语义属性的谓词进行扩展,从而给出了一种新的一般化的查询策略.最后通过实验验证了这种语义扩展查询方法的可行性和正确性.     

处理不完全和不确定信息的一个关系模式

本文中提出可用于知识库系统设计的一个处理不完全和不确定信息的关系模式。为处理技术和智能之间的渗透,关系知识库的域扩充为E_x-term集合,它包含常量、变量和空值(不存在型空值和占有型空值);讨论了模式中的相等判断,查询运算,使用于处理知识推导的演绎规则以及关于域、值和连接的完整性约束等问题。     

RDF在语义Web知识表示中的作用

基于Web具有的一些特征和应用于语义Web的知识表示语言RDF,分析了RDF提供的语法基础即如何用XML来实现语法,以及RDF如何无二义性地描述资源对象的问题,使得描述的资源的元数据信息成为机器可以理解的信息。在此基础上,提出了一种新的适合Web发展需要的知识表示方法,为智能应用领域提供基础;并阐述了以RDF为基础的知识表示语言可较好地实现语义Web的知识表示。最后通过基于OWL知识表示实例的语义检索应用给予了说明。     

基于概念语义网络图的RDF知识推理研究与实现

当前，在语义Web中，基于OWL、RDF的知识表示、知识推理成为了研究和应用的热点。文章介绍在常用软件领域知识中。基于RDF知识库的概念语义网络图的构建和知识推理的相关算法。     

面向语义Web的知识表示框架

语义互联网（Semantic Web)主要在于提供计算机软件可处理的元数据（Metadata)描述和信息表达方式，介绍了RDF（S）技术为基础的在Web上表达知识信息的方法，讨论了运用RDF（S）技术建立知识表示本体（Ontology)，以及通过扩展基本的RDF（S）描述集合方法来增强表示特定领域知识的能力，提出了运用基于RDFS技术的基本RDF（S）元训集合，通用描述元语集合，公理描述元语集合和关系约束元语集合进行知识表示的技术框架，使用这4层元语集合，可以将一般领域的知识信息以RDF（S）的方式存储在Web平台上，并通过相应支持XML的程序进行处理。     

知识化制造系统的知识网数据库设计

首先分析了KMS自重构中的数据操作过程 ,设计了知识网E R图 .在此基础上 ,通过设计先进制造模式与知识网之间映射关系表实现两者之间一对一的映射 .通过设计知识网公共属性表、知识点间继承流和信息流表、知识点功能描述表和虚拟Agent表 ,实现知识网的面向关系数据库的表示 .通过设计知识点功能的资源约束、父知识点功能与子知识点功能之间的约束和功能与信息流之间的约束等 3个基表 ,评判知识网的有效性与合理性 .然后根据KMS的特点与数据库表的逻辑设计给出了数据库的物理实现 .该知识网数据库已作为KMS自重构工具的一个重要组成部分并已成功运行 .     

一种实体模式匹配算法

提出了一种异构数据源的实体模式匹配算法.算法从中英双语的环境出发,利用基于中文wordnet的中英文词义相似度算法和中文分词工具,从列名距离、数据类型、数据内容的词性成份等角度来建立同类实体不同模式之间的映射关系.该算法可用于分析数据空间中不同数据源实体之间的关联,以及其他研究领域中的中英文语义信息相关性分析和实体模式匹配.     

一种利用词典扩展数据库模式信息的Text2SQL方法

现有Text2SQL方法严重依赖表名和列名在自然语言查询中的显式提及，在同物异名的实际应用场景中准确率急剧下降.此外，这些方法仅仅依赖数据库模式捕捉数据库建模的领域知识，而数据库模式作为结构化的元数据，其表达领域知识的能力是非常有限的，即使有经验的程序员也很难仅从数据库模式完全领会该数据库建模的领域知识，因此程序员必须依赖详细的数据库设计文档才能构造SQL语句以正确地表达特定的查询.为此，本文提出一种利用词典扩展数据库模式信息的Text2SQL方法，该方法从数据库表名和列名解析出其中的单词或短语，查询词典获取这些单词或短语的语义解释，将这些解释看成是相应表名或列名的扩展内容，与表名、列名及其他数据库模式信息（主键、外键等）相结合，作为模型的输入，从而使模型能够更全面地学习数据库建模的应用领域知识.在Spider-syn和Spider数据集上进行的实验说明了所提出方法的有效性，即使自然语言查询中使用的表名和列名与数据库模式中对应的表名和列名完全不同，本文方法也能够得到较好的SQL翻译结果，明显优于最新提出的抗同义词替换攻击的方法.     

基于RDF技术的知识表示及应用

提出了一种用RDF描述受限领域知识的元数据,用RDF/XML存储和处理知识信息的方法,并在具体应用中实现了这种方法,这是一种开发智能型教学课件的解决方案。用RDF技术可以解决的问题还有：语义Web、智能搜索引擎、语义层的数据交换、信息的自动链接与引用、数字图书馆等。     

Web服务语义标注方法

为了对W eb服务语义信息进行描述,提出了一种W eb服务语义标注方法。以现有的W eb服务描述语言(W SDL)文件为基础,充分利用W SDL中XM L schem a的语义信息与本体实体的相似性,从W SDL文件中抽取语义信息,并利用实体之间的名称相似度与结构相似度进行语义标注,生成基于OW L-S的W eb服务语义描述。用该方法对多个领域的W eb服务进行了语义标注,标注正确率在92.5%以上,较好地解决了W eb服务的语义标注问题。