使用本体标注构建SCORM本体模型的方法

针对SCORM学习对象模型语义缺失的问题,结合语义Web本体标注的技术,提出一种使用语义标注实现SCORM模型本体化的方法。该方法从SCORM规范中提取语义信息构建SCORM本体模型,以公理的方式形式化表示了SCORM的语义信息和语义约束。并以此为基础在现有SCORM学习资源中扩展语义标注信息,使SCORM学习资源中的元素和属性映射到SCORM本体的类和属性,使用SCORM本体模型为学习资源提供语义约束和知识推理。该方法遵照SCORM语法、语义,以及扩展思想,将SCORM信息模型映射为SCORM知识模型,把SCORM学习对象的使用提高到知识重用和知识互操作的层面。     

一种支持可靠语义互操作的本体演化管理框架

准确描述本体之间的关联是保证信息系统语义互操作可靠性的关键。该文提出了一个本体演化管理框架MFI-3，它包括本体注册模型、变化模型、约束模型、演化信息模型和变化传播模型。这些模型能支持本体的基本内容注册、本体复用及复杂的演化。通过对基于本框架的本体演化信息进行计算，可以得到可靠的本体映射。     

改进的本体中概念相似度计算方法

随着本体的增多,本体异构是本体间互操作的主要障碍,阻碍了本体信息共享,解决本体异构最好的方法是本体映射。本体映射的关键是概念相似度的计算,但现今的计算模型考虑的影响因素比较单一。结合距离语义相似度和属性语义相似度,提出了一种综合语义相似度计算方法。实验证明,该方法可以提高计算结果的精确度。     

语义集成中的不确定性本体映射模型

语义Web的高速发展使其具有动态性和异构性特征,解决语义信息的异构性问题成为实现信息集成的关键。本体作为一种语义Web的知识表示形式,增强了Web的语义信息。因此,为了解决语义异构性,实现数据间的互操作,必须建立异构本体间的映射关系。然而,为庞大的异构本体建立完全精确的本体映射是不现实的,本体映射中存在一定的不确定性。提出了一种新型的本体映射框架——语义集成中的不确定性本体映射。从不同方面研究本体特征,集合了多种映射策略,并引入了各映射策略中不确定性匹配的解决方案。实验证明,该方法具有可靠的实验性能,并且具有很好的通用性和可扩展性。     

机器学习在本体映射中的应用

文中针对语义网中同领域内的本体异构现象,以及无法实现领域内本体库共享的问题．提出利用人工智能研究中的机器学习算法来解决。通过概念匹配映射使异构本体的语义更好地得到映射,并在果品领域经过实例的应用,其效果还是客观的。在本体映射匹配研究中,机器学习算法发挥了很大的作用,对语义重叠的概念进行高效率的推理匹配映射．为语义网本体异构的环境下实现信息在语义上的共享互操作提供了一种解决的途径。     

基于本体的信息集成技术研究

随着语义网技术的飞速发展,本体起了越来越重要的作用。在信息集成的过程中,本体作为一种工具解决了分布式异构信息源的语义异构问题,实现了信息源语义上的互操作。该文介绍了一种基于混合本体的信息集成方法,通过全局本体和局部本体之间的映射,向用户提供获取数据的统一接口,使用户获得语义上相关的数据。     

语义虚拟环境本体可视化模型的研究

当前信息可视化所面临的一个瓶颈就是,需要一种模型来把场景图形内容和特定领域的语义信息进行有效集成,使用户可以有效地解释个性化可视化信息。基于X3D标准以及本体用本体描述语言OWL描述X3D标准,构建了一个X3D标准本体和一个映射本体来实现X3D标准本体和其他具体领域本体之间类和属性的映射,以达到丰富虚拟场景语义的目的。基于X3D标准本体和映射本体设计了语义虚拟环境本体可视化模型,从而为具体领域本体实现可视化提供了一种方法。实验结果证明了该模型的可行性。     

一种面向语义网服务的本体映射框架*

本体的异构性阻碍了语义网服务的互操作。从解决语义网服务中本体的异构问题出发,同时考虑到目前的本体映射系统大多效率不高、映射结果不够准确的问题,提出了一种适用于语义网服务的本体映射方法及系统框架。该方法利用机器学习技术来提高本体映射的自动化程度,利用综合评判技术修正映射结果,以提高本体映射的准确率。采用OAEI 2007的基准测试数据集benchmarks进行实验测试,结果表明本系统的性能基本达到预期效果,能够有效地解决语义网服务中的本体异构问题。     

语义物联网中一种多领域信息互操作方法

针对当前语义物联网尚未形成一套比较完善、可共享的语义系统,无法支持不同领域资源描述和语义互操作性问题,提出了一个语义物联网中基于多个领域本体及链接开放数据的语义互操作方法。该方法可以半自动化标注新部署的传感器,为传感器数据添加语义,使机器理解数据含义,并对其进行推理;采用本体实体表管理同一领域本体,来规范统一本体;基于链接开放数据获取命名实体相关的语义,对信息进行补充。最后通过具体实例阐述其工作过程,并与其它经典的方法进行比较。结果表明,其可以较好的实现多领域信息的互操作。     

一种基于视图的本体映射模型的构建

为了实现异构本体间的互操作,本体映射是最有效的解决方法.在本体映射的研究中,已经有很多文献提出了多种映射方法,比较和分析这些方法后,本文基于Schema映射理论构建了基于视图的本体映射模型.首先生成各局部本体的视图;然后对各局部本体视图概念进行聚类分析生成类聚簇,在此基础上基于概念语义关系将局部本体视图元素合并集成为全局本体视图元素,生成全局本体视图,同时建立起全局本体视图与局部本体视图间的映射关系.该模型增加了本体映射的可理解性和清晰性;适应于动态信息环境;为实现异构本体间信息共享提供了一个可视化的框架.     

Variable weight semantic graph‐based ontology mapping method

The mapping method that is based on the name and structure of the ontology elements is the strategy used in most mapping methods. Methods using the name often only use the similarity between the individual elements in the ontology to predict the semantic relations between two ontologies, while the latter measure the mapping between two ontologies by means of the structural relations between the elements. The effects of these two kinds of mapping strategies are not ideal. Addressing this issue, the work presented in this paper proposes an ontology mapping approach, in which the ontology element name and structure are combined. It uses the approaches based on linguistics and distance to generate a variable weight semantic graph. On this graph, the similarity of element names and structure are calculated through iterative computation. In the process of iteration, similarity result values are constantly adjusted. The approach avoids the problem of single methods that cannot use the entire amount of ontology information; therefore, it provides a more ideal mapping result. For making full use of the message of ontology, our implementation and experimental results are provided to demonstrate the effectiveness of the mapping approach.     

语义网格中基于多策略学习的Ontology匹配方法

近些年来，语义Web和网格计算这两个方向在各自的研究社区分别发展着，这两方面的交叉即语义网格(semantic grid)则是最近一段时间兴起的研究领域．通过给网格附加语义层，能够促进网格自组织的形成．现有的Gnd社区都是使用集中式的、一致性的、可扩充的Ontology库．超越集中式的语义存储是语义网格发展面临的最大挑战之一．针对网格社区间的Ontology异构性这个问题，提出了一种多策略的Ontology匹配学习方法．它使用多种分类方法来学习Ontology之间的匹配：使用一般的基于统计的分类方法来发现数据实例内部的分类特征；或者使用基于一阶逻辑的学习算法FOIL来发现数据实例之间的语义联系．在单个方法预测的基础上，匹配系统使用称之为最突出的冠军的匹配委员会方法来集成分类结果．实验表明在现实的知识领域中，系统能达到很高的匹配精度．     

本体中概念相似度的计算

本体是概念、属性和关系的集合。本体异构是本体间互操作的主要障碍,解决本体异构最好的方法是本体映射。本体映射的关键是概念相似度的计算,但计算时一般不考虑关系和属性对相似度的影响,计算结果存在误差。论文从两个方面对概念的相似度进行计算。首先计算概念的语义相似度,然后计算概念描述相似度。实验表明该计算方式可以提高计算结果的精确度。     

中国古代小说图像的语义获取方法

针对中国古代小说图像的特性,提出了一种利用人工神经网络获取图像语义的方法。利用人工神经网络在图像的纹理、形状等低层视觉特征和高层语义特征间建立映射关系,利用改进的遗传算法确定人工神经网络的参数和权值,利用训练后的人工神经网络获取图像的语义。实验结果表明,所提出的方法具有理想的图像语义获取效果,能充分反映人对图像内容的理解,具有很好的应用价值。     

跨组织工作流集成中间件语义转换部件研究

跨企业的系统协同工作是目前企业信息化的难点之一。提出一种新的跨组织功能集成实现方案——领域语义控制转换,对其核心部件语义存储及转换模块给出了三种模型,并对其进行比较,选择其中较优模型——推荐式领域语义控制转换模型。该模型包括：语义信息库、语义推荐、语义存取、语义信息检索和子系统控制模块,以完成系统间应用、功能数据集的语义匹配和控制工作。最后给出了简要的实现方案和实例,通过语义转换部件来实现跨组织功能的集成。