Ontology技术及应用

目的分析Ontology特点,探讨Ontology在自然语言理解中的应用。方法通过概念之间的关系来描述概念的语义。结果Ontology解决了自然语言理解中的消歧、推理问题和在语义Web中的应用。结论利用Ontology作为知识体进行自然语言理解,能够有效的把语言学知识和世界知识结合起来,运用世界知识对文本进行消歧和推理;Ontology与知识系统的知识库相融合,使得自然语言理解不仅仅是作为一种人机交互方式,而且能够与其它的基于知识的智能系统如专家系统整合。     

语义Web上的Ontology技术研究

分析了本体Ontology及语义web之间的关系。阐述了Ontology在语义web中的应用方向,通过实例研究了Ontology在信息检索中的具体应用;展望了语义Web上的Ontology技术未来的研究方向。     

基于Ontology的智能信息检索研究

在介绍Ontology的基本概念及Ontology在信息检索中的应用前提下,提出了一个基于Ontology的智能信息检索设计方案.利用Ontology中规范的概念及概念之间明确的关系描述,使信息检索过程更加智能化.     

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.     

基于Ontology的Web知识获取

简单论述了语义Web的体系结构及其与Ontology的关系,根据应用需求,提出了一种基于Ontology的知识获取模型,这对语义Web的应用具有一定的意义。     

Ontology及其与元数据的关系

如何对浩如烟海的信息资源进行有效组织和高效率检索,是网络信息时代面临的一个突出问题.Ontology和元数据是对信息处理有重要价值的两种新方法.本文论述了这两种方法的关系以及它们在数字图书馆中的应用.通过从不同角度对它们进行比较分析,明确了Ontology的优势和关键技术难点,为基于语义Web的语义检索研究打下了基础.     

基于知网的关系网络的构建

为了更好地利用知网中的语义关系,提出了一种将知网中的各种隐含关系形式化表示的方法.该方法通过仔细分析知网中关系标知符、动态角色以及例句所描述的各种语义关系,以概念、特征、关系为基础,构建了一基于知网的关系网络.利用该关系网络,既可以高效地查找到词语的概念与概念之间的语义关系,也可以查找到概念的属性之间的语义关系.给出了该方法的实现算法,并用实例说明了该方法的优点.     

基于本体的多无人机系统语义互操作方法

引入基于领域本体的语义模型形式化建模方法,提出了多无人机交互描述的语义描述模型方法和交互配置的语义增强方法.设计了无人机本体UAV O和服务描述本体UAV OS,在OWL S（Ontology Web Language for Services）基础上扩展服务动态特性等的描述,可以为服务质量、服务状态和服务关系提供语义描述;扩展了对多无人机任务和动态配置、组合所需控制结构等的描述.为了实现多无人机应用配置的自动化和动态性,基于本体的语义增强方法可以用于配置管理,在匹配中引入高层次的语义增强匹配,对多无人机交互配置处理进行语义增强.在无人机综合仿真环境中进行了验证,结果表明,提出的基于本体的语义互操作方法能有效地支持多无人机应用交互和集成.     

基于叙词表的领域本体半自动构建的研究和实现

如何组织、管理和维护海量的信息资源并为人们提供高效优质的信息服务,本体(ontology)作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,为解决这一问题提供了新的途径,已受到国内外研究人员的广泛关注.对本体和叙词表的相关知识进行了详细论述,并利用网络本体语言(Web Ontology Language,OWL),将叙词表中的叙词及词间关系进行了表示和描述.设计和实现了一个转化系统,能够自动地将叙词表中的知识结构和语义关系转化到领域本体中.     

基于Ontology的自然语言智能检索技术研究

本文针对信息检索中的重要问题,即自然语言的智能检索技术进行了研究。应用Ontology的理论方法对文本分类进行概念控制,将信息检索从基于关键词提高到基于知识（概念）,从概念层认识和处理用户的检索请求,有效的提高了检索系统的检全率和检准率,在自然语言语义查询、多媒体信息检索中得到较好的实践效果。     

Ontology Mapping Based on Bayesian Network

Ontology mapping is a key interoperability enabler for the semantic web. In this paper,a new ontology mapping approach called ontology mapping based on Bayesian network( OM-BN) is proposed. OM-BN combines the models of ontology and Bayesian Network,and applies the method of Multi-strategy to computing similarity. In OM-BN,the characteristics of ontology,such as tree structure and semantic inclusion relations among concepts,are used during the process of translation from ontology to ontology Bayesian network( OBN). Then the method of Multi-strategy is used to create similarity table( ST) for each concept-node in OBN. Finally,the iterative process of mapping reasoning is used to deduce new mappings from STs,repeatedly.     

一种改进的概念相似度计算方法

本体在信息集成、语义网和知识管理等领域中被认为是重要的理论基础.本体映射的目的就是通过计算概念相似度找到本体中概念之间的对应关系,并制定出相应的映射规则.通过研究本体映射方法,设计出一种综合概念相似度计算模型,该模型充分考虑了概念的实例、定义以及结构等信息对相似度计算的影响,可以通过改变3个相似度分量的权值来适应不同本体间的映射,使模型具有通用性.结果表明,该模型能更有效地体现概念间的关系,使本体映射方法更加全面,并有更好的适用性.     

基于Ontology与Jena的研究综述

Ontology是共享概念模型明确的形式化的规范说明.它是实现语义Web的关键技术之一.Ontology的目标是捕获相关领域的知识,提供对该领域知识的共同理解,确定该领域内共同认可的词汇,并从不同层次的形式化模式上给出这些词汇（术语）和词汇之间相互关系的明确定义.文章首先对Ontology在语义Web中地位、Ontology的定义、相关理论、构建方法以及构建工具等方面加以系统阐述,然后介绍了构造语义Web应用程序Java框架的工具Jena.最后对目前基于Ontology与Jena的应用现状进行综述性介绍.     

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）.     

基于本体结构的新闻个性化推荐

为了更好地对新闻和用户进行建模, 将语义相似度模型引入基于内容的推荐系统中, 挖掘两者之间的语义关联。提出一种基于本体结构的相似度模型(OBSM), 利用在线百科构建的本体结构, 计算新闻和用户之间的语义相似度。为了降低本体结构上噪音数据对推荐效果带来的影响, 提出X-Ontology聚类算法对本体结构进行清理, 并衍生出OBSM的升级模型X-OBSM。中文和英文实验表明, OBSM和X-OBSM比基准模型具有更好的推荐效果, 尤其是对本体结构进行清理后, X-OBSM具有比OBSM更高的计算效率。     

基于范畴论的本体框架的研究

本体作为领域共享的形式化概念模型,是实现服务自动化以及服务互操作的有效手段,其中本体互操作是多本体环境下实现跨本体服务发现的基础.针对现有本体互操作方法依赖于标示语言和逻辑系统的问题,提出了一种基于范畴论的本体集成与互操作框架,使得系统可以在不考虑语言的基础上研究本体集成和互操作.     

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。     

领域本体在学习资源管理系统中的应用

本体能在语义和知识层上描述信息资源。为了实现对学科领域学习资源的语义描述,引入了领域本体概念,提出了基于领域本体的学习资源管理系统框架。利用本体实现了学习资源的语义描述和对学习资源的语义查询,对描述学习资源的元数据进行了深入的分析,最后加以实现。     

语义场模型研究

将场理论引入语义空间,提出语义场模型,利用该模型刻划本体概念间的语义联系及语义分布规律.首先,从势、梯度和场强等多个角度对语义场进行描述,其中,势代表场中某一点的语义,体现语义的分布情况;梯度描述了场中局部位置的语义变化情况;场强则体现了场中语义联系的强弱.然后,分析了场源作用范围,给出了本体概念质量计算方法,讨论了势函数影响因子优选问题.最后,指出了语义场在资源语义聚类、支持语义的P2P应用系统等方面的应用前景及思路.     

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.