多重分割框架下的两类新本体学习算法

多重分割本体学习算法的本质是将整个一维实数轴分割成k段,并依次分配给本体图上的k个分割类的顶点.在具体学习过程中,对不符合预定规则的本体样本对进行惩罚,进而得到最优本体函数.给出两类多重分割框架下的本体学习算法,并且利用统计学习理论中覆盖数逼近的方法对第一类本体学习算法进行理论分析.     

基于数据挖掘的本体关系学习算法

如何确定概念间语义关系的存在性和如何确定概念间的关系类型是本体关系学习的两个基本问题.现有的本体关系学习算法常常区分出不同类型的语义关系,使用不同的策略来获取概念间的各类关系,影响了算法的效率.提出一种基于数据挖掘的本体关系学习算法,运用关联规则挖掘获取概念间的关系,利用聚类分析对概念关系类型进行区分.实验结果证明,算法较好地解决了本体关系学习中的两个基本问题.     

基于不平衡排序的本体学习算法

运用不平衡排序的思想,得到新的本体学习方法,并将新算法应用于数学本体和化学指数本体,从而分别验证算法对相似度计算和构建本体映射的效率.     

本体稀疏向量衰减迭代计算策略

在生物学和医学等领域的工程应用中,往往涉及海量数据的处理和计算.在此背景下,稀疏向量学习算法被引入到这些计算中,旨在提取重要的特性信息,减少计算量.随着本体在基因学等领域的广泛应用,发现本体概念数学化后,其对应向量的维度会异常的高,再加上本体图庞大的规模使得计算量大大增加.出于有效解答此类工程计算问题的需要,考虑本体框架下的稀疏向量学习优化算法.用分解本体稀疏向量的方法得到可求导的新优化模型,通过核参数γ递减过程中断点的估计,以及衰减率的调节得到对应的本体稀疏向量迭代求解算法.通过实验验证了新算法可用于本体相似度计算和本体映射的构建.     

一种有效的图书本体学习算法

为了解决本体的学习和集成在本体构建中的瓶颈问题,提出一种本体学习算法;该算法利用树形结构,以分层的方式进行概念及其关系的添加与剪枝,设计相应的本体学习的2个主要过程;根据图书的检索特征,将图书本体分为图书外部本体和内容本体,可以分别学习图书的2类本体结构;给出利用学习到的本体实现图书检索系统的应用实例。结果表明:该本体学习算法可以有效地实现图书的准确检索。     

基于正则化瑞利系数的半监督k 部排序学习算法及应用

借鉴Ralaivola给出的基于正则化瑞利系数的半监督二部排序学习算法的思想,提出基于正则化瑞利系数的半监督k-部排序学习算法.同时,将此方法运用于本体相似度计算和本体映射.通过两个实验说明新算法是有效的.     

基于对偶理论的本体稀疏向量学习算法

作为一种语义计算和结构化信息存储模型,本体已被广泛应用于生物、物理、地理信息系统等多个领域.在本体学习算法中,本体图顶点所对应的概念信息用一个多维向量来表示.但在大部分应用背景下,顶点之间的相似度取决于少部分分量.基于对偶理论得到本体稀疏向量的计算方法,将该算法应用于数学本体和大学本体,通过P@N准备率来说明算法的效率.     

基于元数据的教学资源本体学习研究

以教育部网络课程为对象,在元数据基础上进行本体学习的研究,提出了基于元数据的半自动本体学习方法,并对学习算法和实现进行了阐述.该方法适当屏蔽了知识本身的多样性和复杂性,降低了本体学习研究的难度,同时却增加了本体学习的有效性和实用性.     

本体稀疏向量凸优化学习算法

随着大数据时代的到来,本体模型所要处理的数据量越来越庞大.在这一背景下,本体稀疏学习算法越来越受到重视.文中利用稀疏向量学习得到本体函数,用凸优化模型得到本体稀疏向量.使用平衡函数构建平衡项,给出凸集的选取方法,并通过迭代策略得到平衡函数的表达式.最后,两个仿真验证实验表明算法是有效的.     

一种本体学习模型的设计与实现

提出一种本体学习模型,分析了模型实现中的关键步骤.采用机器学习技术半自动地构建本体,用Bisecting K-means算法和标准的K-means算法对模型进行了测试.实验结果表明,Bisecting K-means算法产生的本体概念的层次更加精炼,时间复杂度较小,特别适合用于处理大型数据集.     

基于惩罚似然优化模型的本体稀疏向量计算算法

通过稀疏向量的学习来得到本体函数,利用方向导数计算来得到惩罚似然优化模型的最优解,进而得到本体稀疏向量.将该算法应用于植物学领域PO本体和仿生机器人领域本体,同时将实验结果与已有算法的结果作对比,结果表明本算法对植物学领域的相似度计算和仿生机器人领域本体映射的建立有较高的效率.     

基于变换模型的本体相似度计算与本体映射(英文)

本体相似度计算是信息检索的重要研究课题并广泛应用于计算机科学的诸多领域.运用变换模型提出本体相似度计算和本体映射的新算法.通过排序学习函数,将本体图映射成实直线,将本体图中的顶点映射成对应实数.通过比较本体图中顶点所对应实数的差值来判断两个顶点的相似程度.两个实验显示,所提出的算法对计算本体相似度和建立本体映射是有效的.     

基于变换模型的本体相似度计算与本体映射（英文）

本体相似度计算是信息检索的重要研究课题并广泛应用于计算机科学的诸多领域.运用变换模型提出本体相似度计算和本体映射的新算法.通过排序学习函数,将本体图映射成实直线,将本体图中的顶点映射成对应实数.通过比较本体图中顶点所对应实数的差值来判断两个顶点的相似程度.两个实验显示,所提出的算法对计算本体相似度和建立本体映射是有效的.     

成对排序本体学习算法

本体作为一种结构化数据模型已广泛应用于知识表示和信息处理,并成为近几年计算机领域的研究热点.提出基于成对排序学习方法的本体相似度计算和本体映射算法,利用Mahalanobis距离函数得到计算模型,通过梯度下降策略得到模型的最优解,从而将本体图或多本体图中的顶点对映射成实数来表示它们的相似程度.通过两个实验表明,新算法对特定的应用领域具有较高的效率.     

基于距离测度计算的本体学习算法

给出通过计算向量之间的几何距离确定概念相似度的本体学习算法,并讨论了在实例空间映射到特征空间后距离测度的计算方法.最后利用3个仿真实验说明本文算法对相似度计算和本体映射的构建是有效的.     

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.     

随机梯度下降多重分割本体算法的工程应用

随机梯度下降多重分割本体算法是通过对步长和步长序列进行控制,迭代优化正则经验误差模型而实现的。该算法已从理论的角度得到了有关学习率的证明。从具体本体应用的角度出发,描述算法如何与实际工程相结合。同时,将算法作用于基因本体和计算机软件本体中,说明算法对这些工程应用领域都具有较高的效率。     

SCORM模型资源实体整合算法设计

对SCORM学习资源间的关系描述进行充分的挖掘,对资源本体间的关系类型和关系性质进行了划分和刻画,给出了资源本体的语义相似度度量方法和学习资源搜索算法,并在此基础之上,设计了SCORM模型中资源实体整合算法.     

扩展AUC模型下最优k-部排序函数的计算

本体作为一种结构化数据存储和表示模型已成为信息科学的核心研究内容之一.在扩展AUC模型的k-部排序本体算法的框架上,提出一种计算最优k-部排序函数的迭代算法.最后,将算法分别作用于GO本体和大学本体.实验表明：新算法对特定的应用领域具有较高的效率.     

基于认知算法的中文本体自动构建工具研究与实现

本体广泛应用于语义网、自然语言处理、数字图书馆等领域,而自动构建本体是这些领域的难点之一.全自动的本体构建以及如何令机器自己不断学习并更新已有的本体知识的研究仍然缺乏.提出了一种基于认知算法的中文本体自动构建方法,建立了自动构建本体的概念和物理模型,并根据此模型实现了一个初步的自动构建本体的工具,在此基础上基于某些公理化算子来实现对已有本体的扩充、缩减、修正等操作,实验证明该模型和系统很大程度上降低了在构建本体过程中的人力投入.