一种基于关联规则与K-means的领域本体构建方法

随着网络上服务资源的规模化增长,如何帮助用户找到所需服务是一个关键问题.研究发现领域本体的构建可帮助用户有效解决该问题,而已有的一些构建方法一般依靠人工,费时费力.针对该问题,提出一种基于关联规则和K-means的领域本体构建方法.该方法首先利用支持向量机进行面向领域的服务分类,从分类得到的领域知识中选取初始领域概念;然后根据关联规则和K-means算法挖掘概念间关系,以得到初始领域本体,并使用Wordnet对其进行语义丰富.最后,通过ProgrammableWeb网站提供的真实服务集进行实验验证.实验结果表明所提出的领域本体构建方法能够识别概念间关系,进而为Web服务语义查询提供相应支持.     

一种基于本体的词汇映射方法

词汇映射是自然语言处理的一个重要方面,提出一种基于领域词典的词汇映射方法,能有效地解决一词多义与多词同义问题.     

一种融合本体和上下文的自适应层次分类模型

提出一种新的自适应层次分类(HAC)模型,通过本体对特征集进行语义扩展,并以增量形式在层次模型中构建特征上下文和类别相关上下文,以辅助实现一种高效、无阻滞的层次分类. 实验结果证明,模型HAC具有相对更好的分类性能,而且分类速度更快,有利于实现实时在线的文档分类.     

一种基于向量空间模型的Web本体自动分类方法

在分析了Web本体的结构特征和语言学特征基础上,引入虚拟文档的概念,定义整个本体的虚拟文档为与主题相关的vocabularies的虚拟文档的组合.以虚拟文档中的词条作为Web本体分类的特征项.基于RDF图不容忽视的图状特性,在构造自RDF图本体的词汇依赖图(vocabulary dependency graph)之上采用相关基于图的排序算法,得到与构造本体虚拟文档相关的vocabularies对于该本体的重要性权值,进而计算特征项的权值.     

一种新的插值分类方法

提出一种内插法做分类决策(AIMMCD),这种方法使用训练集模式的类标签区分不同模式.与相对于传统的模式识别技术相比,AIMMCD有着自身优势.第一,使用AIMMCD来产生测试模式的类标签时,不需要任何训练过程.即AIMMCD计算效率较高.第二,使用AIMMCD预测真实数据的类标签时,它以合理的方式考虑到训练资料的所有模式中类标签的信息.事实上,该算法假定当训练样本接近一个模式,都会对这个模式类的预测影响很大,而对远离这种模式的训练样本没有什么影响.第三,虽然AIMMCD形式简单,但它不但适用于二分类问题,还可直接用于多分类问题.     

一种基于本体的问题求解学生模型

以平面几何问题为对象, 通过对主观试题解答进行研究, 建立一种基于本体的问题求解学生模型(OSSM). 实现了自动问题答案评估学生模型的设计, 给出了适用于主观题求解基于本体的知识表示方法、 主观题求解过程跟踪方法和答案智能评估方法. 用本体方法实现知识表示, 可从多方面评估学生对知识点的掌握情况, 从而实现对学生学习的智能指导.     

一种新的插值分类方法

提出一种内插法做分类决策(AIMMCD),这种方法使用训练集模式的类标签区分不同模式.与相对于传统的模式识别技术相比,AIMMCD有着自身优势.第一,使用AIMMCD来产生测试模式的类标签时,不需要任何训练过程.即AIMMCD计算效率较高.第二,使用AIMMCD预测真实数据的类标签时,它以合理的方式考虑到训练资料的所有...     

基于本体的文本自动分类

随着计算机技术的发展,各个领域的信息层出不穷,使得文本分类显得十分重要。针对当前文本分类存在的不足,提出了基于本体的文本自动分类方法。该方法将文本自动分类技术与本体技术相结合,并提出只从提取每段首尾句中提取特征词的方法,提高了文本自动分类的效率。     

领域本体建模方法的研究

给出了一种基于RUP(Rational Unified Process)思想的领域本体建模方法论.首先简单介绍了领域本体概念、当前本体建模的方法论及存在的问题,然后通过比较本体建立过程与软件开发过程,提出基于RUP软件开发过程的领域本体构建方法论,并以此方法论为指导,给出一个实例.     

基于本体的领域知识建模方法研究

领域信息的智能理解是当前信息处理的研究热点，其基础则是建立该领域的良好知识模型。利用本体这一优秀的知识表达工具建立领域知识模型已经得到推广。本文通过对已有的基于本体的知识建模方法的讨论，从不同角度和不同层次展示了本体知识建模的特点，在此基础上提出基于本体生命周期的知识建模方法，并指导于机械产品领域的知识建模。     

工程化领域本体建模的研究

针对本体建模没有统一的标准化指导方法,在分析本体构建原则和现有构建方法的基础上,借鉴软件工程中成熟的方法。阐述了一种普遍适用的领域本体构建方法,并提出了具体实现步骤和应用前景。     

领域本体建设的方法学探讨

本文讨论了当前本体建设的方法学，分析了目前领域本体建设中存在的问题，并提出了一种基于智能模型的领域本体构造方法。     

基于领域本体的学习资源管理系统框架研究

提出了一种基于领域本体的学习资源管理系统框架。该框架首先利用本体建立特定领域的语义模型,在此基础上实现对学习资源的有效管理和基于语义的搜索。并对资源的标注、资源的搜索等关键问题进行了深入的研究,最后给出其实现。     

唐卡领域本体研究与构建

分析并构建唐卡领域本体,以实现基于语义的唐卡图像标注与检索.在唐卡领域专家的指导下分析唐卡的分类体系,给出唐卡本体相关的定义和公理,定义了相关概念、对象、属性、实例及约束条件,并基于Protégé构建了唐卡领域本体.最后对其进行一致性分析,实现了基于语义的唐卡知识库查询,进一步验证了所构建唐卡领域本体的合理性.     

领域问答系统答案提取方法研究

在特定领域问答系统中,领域知识直接影响问答效果．本文提出了一种领域问答答案提取方法,以问题分析得到问题查询、问题类型及答案类型为基础,借助领域知识检索获得答案提取候选段落．对于定义性问题,结合关键词加权权重计算方法及句子与问题语义相似度方法,对候选段落或句子与问题相关度排序,提取相关度高的句子或段落作为答案,对于数词或列表性实体问题,借助命名实体识别,提取与问题中心相关的领域实体作为答案．在云南旅游领域进行了答案提取实验,结果表明该方法具有较好的效果．     

个性化协同学习环境领域本体模型的构建

将本体思想引入计算机支持的协同学习系统,可以根据学生的个性特征和学习进程动态地呈现教学内容,更好地满足学习者的需要。在描述个性化协同学习环境和本体相关知识的基础上,构建了计算机学科领域本体核心分层结构,并以数据结构课程为例建立了课程本体模型,为个性化协同学习系统的实现奠定了基础。     

基于领域本体的答疑网格系统

目前我国答疑系统隶属于某个教育平台各自开发,导致资源重复建设;各个系统之间也不能有效互操作导致系统间资源无法共享和统一协调管理.本文从资源共享和易于建设的角度出发,提出基于领域本体的答疑网格系统,文中给出系统的体系结构,详细阐述答疑流程,探讨了关键技术及算法,并分析系统特点及优势.     

领域本体的快速识别研究

为了标记海量Web信息的语义,实现计算机自理解和自动处理功能,提高信息查询准确率及效率,研究了信息的表达形式即本体,给出了本体的扩展定义及其快速识别的四个规则,通过模拟实验,验证了规则的实际应用效果及本体快速识别算法效率,本体识别速度和效率较普通的方法有一定的提高.     

一种基于Bark域能量分布的噪声分类方法

对不同种类噪声的分类处理,可以提高噪声环境下语音信号处理的性能.为了能够准确地区分各类噪声,提出了一种基于Bark域噪声能量分布特性的噪声分类方法.通过将噪声能量从均匀时频空间映射到Bark空间,构造了一个能够有效区分各种噪声的22维特征向量,并使用支持向量机(SVM)进行模型训练和噪声分类.实验结果表明:所提出的噪声分类方法具有非常高的分类准确率,对用于实验的两种噪声数据集的平均分类准确率分别为99.50％和93.44％.     

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。