基于Web挖掘的领域本体自动学习

为获取领域本体并量化概念关系的可信度,提出了一种基于Web挖掘的学习模型.通过可扩展的模式集和分布语义模型获取本体主干,使用关联规则发现概念间的一般关系,对候选本体进行修剪和合并.模式可信度、概念语义距离与关联特征决定了概念间关系的可信度.通过"文本分析-本体获取-文本扩充"的迭代过程,优化模型参数和阈值.该模型解决了现有本体学习方法对词典或核心本体的依赖性、以及不能对关系进行可信度量化的问题.实验证明了所提出模型的有效性.     

面向应用领域的Web服务发现与匹配

面向应用领域的Web服务发现的目标是帮助用户找到能够为其构建应用系统提供功能支持的Web服务,从而降低应用系统开发成本、提高开发效率.提出了一种基于功能语义的Web服务发现方法,以支持面向应用领域的Web服务发现需要.通过定义Web服务功能语义描述模型,为服务提供者和用户提供了统一的Web服务描述方法;同时在建立领域功能本体的基础上,依靠语义标注机制,消除服务描述间的语义异构;在此基础上,进一步提出基于功能语义的Web服务发现与匹配策略.实验表明该方法是可行和有效的.     

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。     

基于中文文本的疾病领域本体学习的研究

为提高领域本体概念及概念之间关系提取效率和准确率, 提出基于中文文本的领域本体学习模型。在提取候选概念的过程中, 采用修改后的关联规则频繁项计算方法对合
成词进行处理, 并结合位图存储分词处理后术语间的物理相邻关系, 再通过计算领域相关度和领域一致度对候选概念进行筛选, 最后利用关联规则可信度和层次聚类的方法分别提取概念间的非分类关系和分类关系。实验结果表明, 该模型对领域本体学习具有合理性, 提出的算法与基于互信息的本体学习相比较, 在概念和关系的提取
上具有较高的准确性。     

基于关联规则和语义规则的本体概念提取研究

为解决基于非结构化文本的中文领域本体概念提取效率和准确率不理想的问题, 提出了一种基于关联规则和语义规则的领域本体概念提取方法。利用领域一致性和相关性检查以及关联规则分别获取候选概念和关系集合, 计算候选概念在领域术语关系中的深度和广度, 利用深度和广度信息反馈概念隶属度的思想, 定量分析术语与领域的隶属程度, 进行本体概念的领域隶属度检查, 完成领域本体概念的提取。实验结果表明, 该方法提高了领域本体概念的提取效率和准确率, 具有可行性和合理性, 领域本体概念的提取准确率提高了12%左右。     

基于OWL的仿真想定本体构建方法

研究了作战过程,提出了基于OWL的作战单元本体、装备本体、任务本体和仿真想定本体的构建方法,采用了描述逻辑对作战相关概念、关系进行了推理,检验了概念、关系的一致性,优化了概念层次结构。通过实例分析,对构建的本体进行了检验。结果表明：该方法实现了军事领域概念的合理分类和想定数据语义的智能检测,可为想定开发人员自动地提供决策支持。     

基于语义关联的多本体完善方法

本体作为语义web应用中语义信息的来源,在实现语义web应用的自动发现和组合中有着重要作用。当前对本体的研究多关注于提高本体使用的有效性,从而使得本体能够提供更精确丰富的语义信息,而忽略了本体自身质量对语义信息的影响。文章提出了一个基于本体概念间语义关联关系的多本体完善方法,利用参考本体中的概念关系和层次结构,结合目标本体与参考本体间的语义关联,补充与完善目标本体的概念关系和层次结构,并通过参考本体和目标本体的角色互换,迭代的完成对多本体的完善。通过对17个本体进行实验,将实验结果与传统的本体完善方法——闭包推理进行对比,证明了该方法不仅能够得到闭包推理产生的结果,并且能够对本体进行更多的正确的完善和补充,实现基于语义关联的本体完善。     

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.     

基于语义的旅游信息搜索引擎

在分析传统检索技术存在的问题基础上,采用Ontology技术结合传统搜索技术构建了一个基于语义的旅游信息搜索引擎,提出新的本体构建方法,给出了构建旅游信息领域本体的过程.根据用户的搜索需求定制规则,使用Jena的推理机制,通过规则对旅游信息本体进行语义访问与逻辑推理,提供更为灵活、有效的检索方案,向用户提供智能化、知识化服务,提高了搜索引擎的查准率和查全率.     

一种基于K-means的关联规则聚类算法

关联规则是数据挖掘领域中的主要研究内容之一。针对高维海量数据集,尤其当支持度和置信度阈值太低时,将生成大量冗余和相似的关联规则,从而对关联规则的理解和使用造成了困难。本文采用改进的K-means思想,给出了一种关联规则聚类算法:首先重新定义了冗余关联规则,并给出了删除的方法;然后定义了一种新的规则间相似性度量;最后利用K-means思想,采用最大三角形方法选取聚类的初始点,将相似的关联规则归为一类。实验验证该算法能够帮助用户快速有效地找到有用的关联规则,提高了关联规则的可理解性。