面向关系模式的领域本体获取

从遗留信息系统中获取领域信息是创建领域本体的重要环节，也是设计知识重用的有效方式。以常用的关系模式为研究对象，分析如何从遗留系统中识别关系模式的结构信息，在此基础上，提出了12条术语转换规则，根据转换规则从关系模式的结构信息中逆向提取领域术语及相互关系，为领域本体的创建奠定了基础。     

基于逆向工程的领域本体开发方法*

从逆向工程角度出发,对领域本体模型的创建方法进行研究。以关系数据模型为对象,分析了如何从遗留系统中识别关系模式的结构信息,利用扩展的关系实体图EER获取关系模式的语义信息,并以此来建立领域本体模型。     

OWL本体到关系数据库模式的映射

通过对现有本体存储模式的分析,以及对OWl本体和关系数据库模式之间的概念对应关系的分析,定义了从OWL本体到关系数据库模式的转换规则,给出了OWL本体存储模式的设计原则,并基于该原则提出了一种新的本体存储模式.针对本体描述语言OWL的构词特点,该模式提出将本体中的语义信息存放在不同的表中,以达到方便理解、结构稳定和提高效率的目的,适应于多数中小型本体的存储.     

基于LDA的领域本体概念获取方法研究

针对民航突发事件应急管理领域本体的自动更新问题,提出了基于LDA的领域本体概念获取方法。以文本信息作为数据源,采用NLPIR自适应分词与过滤方法获取候选术语集,设计了领域本体的LDA主题模型,通过吉布斯采样进行LDA模型训练与主题推断,实现了领域本体核心概念的相关术语提取;基于LDA主题概率分布研究了语义关系识别规则的构建方法,给出了概念及其相关术语语义关系的识别与实现过程。实验效果表明,该方法可以有效解决大规模领域本体概念的自动更新问题,为大数据环境下民航突发事件跨媒体信息的共享与推理提供了良好的数据支持。     

基于启发式规则的自动化本体扩充

自动化地获取网络资源中的领域本体可以缩短本体的构建周期,但自动化的本体扩充还是本体工程中的一个挑战,其难点主要在于如何抽取术语并在新术语和已有本体之间建立映射关系。为此,提出了一个基于启发式规则的本体自动化扩充方法。该方法从网络资源中抽取自然语言文本,结合自然语言处理技术进行文本预处理,采用优先匹配对象属性的方式挖掘领域知识术语,然后通过启发式规则匹配术语的方式进行本体扩充,最后进行一致性检测。采用上述方法实现了一个基于Web的本体扩充工具。以城市景观信息核心本体作为研究案例进行了实验,结果显示本方法在扩充实例时具有较高的查准率和查全率,表明其具有有效性和可行性。     

一种从线性概念图中自动抽取本体概念的算法

企业信息集成必须面对大量的遗留系统(Legacy),而获取遗留系统的本体是实现集成遗留系统的关键。依据本体是更抽象概念的论断,建立了关系数据表到线性概念图的映射关系,利用线性概念图这一中介,设计了从线性概念图自动抽取本体的算法,并通过文中的实例加以验证算法的有效性以及复杂性。     

特定领域本体自动构造方法

提出了一种自动构造特定领域本体的方法，该方法应用术语抽取和多重聚类技术。在术语抽取阶段，通过术语在专业语料与背景语料中出现概率的对比，采用LLR公式对术语进行评分，取得了更好的抽取效果。在层级关系发现过程中，采用上下文共现信息结合HowNet中词语的语义相似度，进行术语间相似度度量，力求获得术语间最合理的相关状况。同时改进了k-medoids聚类算法，更准确地发现术语的层级关系，进而构造出特定领域的本体。     

基于政务主题词表的政府信息本体构建及应用

为了构建政府信息领域本体,将其应用于政府信息检索系统中,提高系统的查全率和查准率,提出了利用现有术语丰富的政务主题词表构建政府信息领域本体的方法.该方法以政府信息这个核心概念和其属性为中心,将政务主题词表中的主题词和词间关系有序的转化到本体中,并在此基础上进一步挖掘了领域业务相关的关系,丰富了本体蕴涵的知识.进而将本体应用于政府信息检索系统中,改善了原系统的检索效果,同时也验证了该本体构建方法的有效性.     

多元信息抽取技术在旅游本体构建中的应用研究

智慧旅游发展背景下,旅游本体有助于解决信息服务中的不足。信息抽取作为本体构建过程中的关键技术,极具研究价值。文章以旅游领域为对象,给出本体构建的基本思路,从文本资源采集、领域术语抽取和领域概念层次关系抽取3个过程探讨多元信息抽取技术在旅游本体构建中的具体应用。     

从关系数据库构建语义丰富本体的方法

网络中大量数据存储在关系数据库中,利用这些数据资源构建领域本体是实现语义Web的任务之一。制定了一组优化的通用转换规则(特别注重对元组信息的语义分析与挖掘),结合领域专家的选择判断,在尽量保留和挖掘关系数据库语义信息的基础上,给出了一个从关系数据库半自动构建OWL本体的方法,同时利用WordNet对本体进行语义丰富,并最终通过系统实现转换过程。     

OWL本体关系数据库构建方法

随着本体种类和资源的增加,本体的结构越来越复杂,为了合理地存储各种结构类型的本体、支持高效的本体查询,本文提出了一种基于关系数据库的OWL本体存储方法。该方法通过细致考虑OWL的基本元素,采用与传统的本体分解存储模式不同的构词分类方法,将OWL本体中的类、属性、实例、属性特征和属性约束分别存储在一张二维表中,从而解决了资源与属性值之间的复杂关系问题,并保证了OWL本体存储到关系数据库后语义信息的完整性。最后,利用关系数据库管理系统高效的检索和匹配速度以及SQL语言的高度非过程化,将检索和匹配OWL本体转换成检索关系数据库,弥补了OWL本体数据查询效率低的不足之处。     

基于细胞元本体的标准件库资源共享研究

针对目前标准件库不支持异构CAD系统和标准件信息不完整两个主要问题,提出了一种基于细胞元本体的标准件库资源共享方法。该方法使用Web本体描述语言(Web Ontology Language,OWL)表示细胞元本体模型,制定语义映射规则,以细胞为转换单元,屏蔽了信息表示的异构性,使应用本体和细胞元本体成为具有语义关系的逻辑上的整体,实现了异构CAD系统对标准件库的共享及异构数据的实时转换。该方法应用在Pro/E,UG和CATIA3个CAD平台的同步协同设计中,证明了其可行性。     

基于同义词表的异构数据库-本体映射

本体是信息在语义层和知识层的描述。将现有的其它数据形式转换为本体表示将有利于实现数据共享和语义推理。目前计算机系统中的数据大多以关系数据库形式存在,因此基于关系数据库构建本体的研究具有重要意义。本文首先分析了单一数据库-本体映射问题,扩充了Ghawi规则以覆盖更多类型的数据关系,其次针对同质异构数据库-本体映射问题,进一步扩充Ghawi规则,给出了基于同义词表的异构数据库-本体映射规则集,实现了异构数据库-本体映射。     

Methodology and intermediate layer for the automatic creation of ontology instances stored in relational databases

In this paper, we introduce our solution for mapping local ontologies to relational and object‐oriented representations. This solution is part of the GeoNis framework for the interoperability of geo‐information systems applications in a local community environment. The GeoNis framework is based on a hybrid ontology approach for data integration. Therefore, a very important subject in our research on semantic data integration is the creation of mapping between a spatial information source and its local ontology. We developed the OWL2RDB mapping language to create an intermediate layer between a relational database and the OWL ontology. This intermediate layer contains rules (expressed in the OWL2RDB language) for mapping between the structural elements of a relational database and the concepts of OWL ontologies. We also present a system that uses the OWL2RDB intermediate layer to create classes that can handle ontology instances stored in relational databases. We have developed a prototype for a tool that uses this proposed approach for the automatic generation of translator/wrapper components in the GeoNis interoperability environment. Copyright © 2012 John Wiley & Sons, Ltd.     

基于规则的关系数据库到本体的转换方法*

提出了一种新的全自动的关系数据库到本体的转换方法,通过分析关系模式的主键、属性、引用关系、完整性约束和部分数据来创建本体,尽量保持了关系数据库的信息,并在构建的过程中对信息进行初步的集成和分类.系统实践证明,该方法可自动进行关系模式和数据到本体的等价转换,而且完成了对关系数据库中部分语义信息的辅助挖掘.     

一种基于FCA的面向关系数据库的本体学习方法

从已有的数据模型中进行语义提取,经过一定的规则映射生成本体的过程称为本体学习。关系数据库模型是当前数据的存取与组织的主要模型,从中学习得到本体,一直是本体工程领域研究的热点之一。利用手工定义的E-R模型到本体的映射规则来完成本体的构建,是国内外大部分学者采用的方法。但这样获得的本体概念层次关系主观依赖性强,不利于本体的实际应用。为了能更加客观地获取数据之间的概念层次关系与语义信息,提出了一种基于FCA(形式概念分析)从关系数据库进行本体学习的方法。该方法既保持了关系数据表中原有的数据语义关系,又发挥了FCA自动提取语义信息的特点,提高了最终本体生成的质量,有利于在具体的领域应用中使用本体。最后结合材料服役安全数据库的数据信息,演示了运用所提出的方法学习得到领域本体的过程。     

OntoILPER: an ontology- and inductive logic programming-based system to extract entities and relations from text

Named entity recognition (NER) and relation extraction (RE) are two important subtasks in information extraction (IE). Most of the current learning methods for NER and RE rely on supervised machine learning techniques with more accurate results for NER than RE. This paper presents OntoILPER a system for extracting entity and relation instances from unstructured texts using ontology and inductive logic programming, a symbolic machine learning technique. OntoILPER uses the domain ontology and takes advantage of a higher expressive relational hypothesis space for representing examples whose structure is relevant to IE. It induces extraction rules that subsume examples of entities and relation instances from a specific graph-based model of sentence representation. Furthermore, OntoILPER enables the exploitation of the domain ontology and further background knowledge in the form of relational features. To evaluate OntoILPER, several experiments over the TREC corpus for both NER and RE tasks were conducted and the yielded results demonstrate its effectiveness in both tasks. This paper also provides a comparative assessment among OntoILPER and other NER and RE systems, showing that OntoILPER is very competitive on NER and outperforms the selected systems on RE.     

An ontology-driven framework towards building enterprise semantic information layer

Enterprises Information Systems (EIS) have been applied for decades in Computer-Aided Engineering (CAE) and Computer-Aided Design (CAD), where huge amount of increasing data is stored in the heterogeneous and distributed systems. As systems evaluating, system redesign and reengineering are demanded. A facing challenge is how to interoperate among different systems by overcoming the gap of conceptual heterogeneity. In this article, an enlarged data representation called semantic information layer (SIL) is described for facilitating heterogeneous systems interoperable. SIL plays a role as mediation media and knowledge representation among heterogeneous systems. The SIL building process is based on ontology engineering, including ontology extraction from relational database (RDB), ontology enrichment and ontology alignment. Mapping path will maintain the links between SIL and data source, and query implementation and user interface are for retrieving data and interacting with end users. We described fully a practical ontology-driven framework for building SIL and introduced extensively relevant standards and techniques for implementing the framework. In the core part of ontology development, a dynamic multi-strategies ontology alignment with automatic matcher selection and dynamic similarity aggregation is proposed. A demonstration case study in the scenario of mobile phone industry is used to illustrate the proposed framework.