以本体为核心的图像情感语义检索模型

针对目前图像检索系统较难实现情感语义检索的问题,构建了以本体为核心的图像情感语义检索模型。在对核心本体库的构建中,采用将Mpeg-7和概念格理论与本体构建相结合的方法,其难点在于将Mpeg-7标准描述符与图像情感本体的属性构造的结合,以及自动产生新的概念结果的方法;实现了图像情感领域本体框架的半自动构建。通过系统的初步实现与相关实验的验证,证明了此检索模型在实现图像情感语义检索中的可行性和优越性。     

基于SWRL本体推理研究

随着语义Web的兴起,本体技术已成为计算机学科中的一个研究热点。在分析本体、Web本体语言OWL和语义网规则描述语言SWRL的概念和特点的基础上,利用MPEG-7标准中的视觉描述子来描述图像的特征,采用本体建立图像的语义特征,将SWRL引入图像情感识别领域,利用SWRL构建推理规则。通过建立图像的本体信息和推理规则,并用规则推理出本体中隐含的信息,实现图像情感识别,使计算机具有一定的情感推理能力。     

FCA与本体结合研究的综述

本文对近年内形式概念分析（Formal Concept Analysis,FCA）与本体（Ontology）的结合研究进行综述,基于具体的应用来描述它们结合的方式。FCA和本体是两种形式化方法,FCA和本体的目标都是构建概念的模型,它们各有特点,本文从应用的角度讨论两种工具如何相互补充,描述了FCA怎样支持本体工程和本体如何改善FCA的应用。     

从文本自动构建OWL本体的研究

随着语义检索的发展,近年来涌现了许多基于本体的研究和应用,但本体本身仍离不开领域专家手工或半自动化的构建,成为了本体研究领域的一个瓶颈。因此,本文着眼于本体的自动化构建,提出了一种用FCA(形式概念分析)从文本中提取并自动生成符合W3C标准的OWL通用本体库的方法。解决了目前本体构建自动化程度低,领域依赖性强的问题,使得本体的发展和应用不再是空中楼阁。     

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。     

新闻社区领域本体构建研究

针对新闻社区领域知识的特点,以新闻社区领域知识的网络应用为目的,根据新闻社区领域本体总体构建流程,采用半自动化构建本体的方法,以通用本体WordNet及ODP开放式目录中不同层次的新闻主题分类为基础,按照媒体流程展开本体概念结构,构建了面向新闻网站应用的新闻社区领域顶层和中层本体模型。利用本体构建工具Protégé4.1开发了新闻社区领域本体。     

基于Web的本体学习模型的设计与实现

对本体(ontology)的研究在计算机科学领域变的越来越广泛,但手工构建本体是一项繁琐而辛苦的任务,还容易导致知识获取瓶颈,无法保持本体的更新。本体学习技术是利用本体工程技术和机器学习技术等众多学科技术来实现本体的自动或半自动构建。该文提出了基于Web的本体学习模型,分析了模型实现中的文档预处理、术语抽取、概念选择、概念分类等关键技术。     

基于FCA的本体原型系统的设计与实现

经过分析本体原型系统中存在的关键问题,提出基于FCA的本体原型系统来弥补缺陷,并阐明了系统的主要特色是采用FCA技术进行本体的构建、合并、三维可视化展现,其中为了在本体展现中简化概念格的显示,提出子概念格的判定方法。最后通过实例,从领域中生成了所有隐含的本体概念,形成了概念之间的上下级关系,结合相关性几率模式给出了非层次级概念之间的相似性以及概念与对象之间的相关度,从而提高了用户在本体中的查询效率。     

基于WordNet的信息内容安全本体构建

为提高信息内容的安全性,将信息内容安全本体(ICSO)引入相关系统与技术。基于给定的初始ICSO,利用WordNet构建信息内容安全本体。采用抽取算法自动从WordNet中抽取信息内容安全领域的相关概念及其关系,根据is_a关系添加规则有效组织ICSO。该方法快速高效,生成的ICSO概念和关系准确,只需改变初始本体就能从WordNet中抽取所需领域的本体。     

基于非结构化数据的本体学习研究

语义Web的创建需要一套共同的标准概念体系,即本体（Ontology）。而现在本体的构造手段仍然是以手工构造为主,效率和准确率都非常低,很容易导致知识获取的瓶颈。近年来,自动创建领域本体可以克服手工方法的不足,成为当前的研究热点之一;本体学习是自动或半自动构建本体的一系列方法和技术。提出了一种利用知网,基于非结构化数据的特定领域概念及其之间关系的提取算法,从军事领域选取4个种子概念：舰、导弹、机和炮,并通过实验测试了该算法。