事件本体模型及事件类排序

给出了事件、事件类的定义,分析了事件类之间的关系,在此基础上形成了面向事件的本体模型,为基于语义的知识处理提供了新的方法与技术。在事件本体模型的基础上以事件类排序为实例,研究了基于HARank(Hubs-Authorities Rank)算法的事件类排序方法,给出了实验结果,并对其进行了评价。与传统本体相比,事件本体以更高粒度的事件作为知识表示单元,更适合表示运动世界的知识。     

事件本体模型及事件类排序

给出了事件、事件类的定义, 分析了事件类之间的关系, 在此基础上形成了面向事件的本体模型, 为基于语义的知识处理提供了新的方法与技术。在事件本体模型的基础上以事件类排序为实例, 研究了基于HARank (Hubs-Authorities Rank)算法的事件类排序方法, 给出了实验结果, 并对其进行了评价。与传统本体相比, 事件本体以更高粒度的事件作为知识表示单元, 更适合表示运动世界的知识。     

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.     

实体类到关系模式的映射方法

实体类是用于对持久信息和相关行为的UML建模的类,它在事务型软件系统中扮演非常重要的角色.讨论了实体类与关系模式的阻抗匹配性,结合B2C项目实例,分析了将实体类映射到关系模式的策略和方法,以及怎样将实体类的行为映射到关系数据库中,最后对映射方法进行了总结和展望.     

基于本体的网络消费行为模型研究

探讨了利用本体来分析网络消费行为的方法,设计了一个基于本体的前后台结构的网络消费行为分析模型构架,阐述了构架内部的层次关系,并构筑了一个基于基础数据挖掘、网络消费和商品--网页属性本体构建及知识本体映射的过程模型.文章最后设计了一个基于本体的网络消费个性化服务系统.实践证明,此模型具有广泛的应用价值.     

基于事件本体的Web服务动态组合

提出了一种基于事件本体的Web服务动态组合方法.将服务与事件本体中的事件类进行映射,组合服务即是本体中的复杂事件类,服务请求即是一个事件的实例化.用户输入服务请求以后,可以通过事件本体的推理,找到用户请求对应的事件类;再根据事件本体中的事件间关系进行推理,找到它的组成事件类或者后继事件类,从而得出服务和服务之间的关系和交互;最后根据组合规则执行服务.实例验证该方法是有效的和可行的.     

从UML类图到本体的自动映射

本体(ontology)是描述概念及概念之间关系的概念模型,通过概念之间的关系来描述概念的语义.然而,本体的描述语言种类繁多,阅读困难,不利于本体建模人员交流沟通.UML作为建模领域的公认标准,已被许多人熟知和广泛使用.基于UML和本体建模的相似性,提出利用UML类图描述本体模型,并建立了从UML类图到本体模型的自动映射,以提高本体建模的效率.     

以事件为中心的本体模型对比研究

事件存在于各个领域,成为表示历史、文化遗产、多媒体和地理等领域数据的核心要素.事件是理解现实世界的基本语义单元,一个完整的事件一般由事件的参与者、事件的发生时间以及事件发生的地点等要素组成.但由于事件自身内部的结构复杂,且事件与事件间的关联紧密,从语义层面对事件的研究存在一定的难度.分析了现有的主要事件本体模型,对比了各个本体模型在概念层构建的核心概念及内部差异,分析了本体模型对事件间关系的定义、模型语义推理的难易程度及隐含关系的挖掘等方面的不足,对以事件为中心本体模型的进一步研究提供了一定的参考.     

高校基建档案知识的本体构建研究

针对目前高校基建档案管理工作中档案知识共享应用的实际困难,依据高校基建档案知识的领域特性和共享需求,对高校基建档案知识的表达及本体建模进行了研究.根据本体组成元素分析了高校基建档案本体的知识来源,以及基建档案知识的概念及属性层次、关系,并提出高校基建档案知识的本体工程构建方法.对所构建本体模型的推理验证结果,表明本体模型概念属性层次关系的合理有效性.     

基于统计式机器学习的地理本体融合模型

针对不同领域对地理事物的认知体系差异造成了地理本体异构的问题,提出了地理本体融合模型,引入统计式机器学习的方法对概念间的关系进行自动处理,并以概念间关系在不同本体出现的频度来产生其可信度,最后形成带有统计信息和领域信息的大型地理概念空间.该模型巧妙规避概念层面繁琐的异构映射过程,融合概念空间将多个地理本体所表达的概念知识融为一体,并保持了领域内的信息,有效实现了不同认知体系之间的共享.