形式概念分析在本体构建中的应用

随着信息共享和数据交换的范围不断扩大,语义数据集成成为数据库技术研究中的热点.本体作为共享概念的形式化说明,用于表达数据源的语义、识别和建立概念间的语义关联、达成语义一致,提供了语义异构问题的解决途径.传统的关系数据库由于具备技术成熟、应用广泛、数据管理能力强、数据安全程度高等特点,依然是数据存储的主要手段.然而,关系数据只表达了"属性/值"二元关系,不具备语义描述的能力,如何在关系数据中直接抽取数据的语义,构建本体,提炼丰富的语义信息,弥补关系数据表的缺陷,是一个重要的研究方向.文中探讨了运用形式概念分析的技术,结合数据库模式及其数据,构建本体的方法.在研究本体构建的基本方法基础上,论述了形式概念分析方法,并结合给定的数据库模式及其数据信息,演示了运用形式概念分析的方法构建本体的过程.     

基于形式概念的语义网本体的构建与展现

作为语义网基础的本体是共享概念模型的明确的形式化规范说明，它提供一种让计算机可以交换、搜寻和认同文字信息的方式。有效地构建、展现本体成为应用本体的关键问题，然而，现有构建本体的各种方法都在不同方面存在着限制。经过分析比较，本文采用形式概念分析理论构造本体阶层来弥补缺陷，并结合机率模式展现本体，用于表达概念之间及概念、资料间的相关性，利用文件与概念的相关性排序结果，以便于用户找到最相关的信息，从而有效地提高了信息查找的效率。本文通过实例来演示本体的构造与表达。     

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。     

一种基于模糊形式概念分析的模糊本体学习方法

模糊本体是语义网中处理模糊信息的重要工具,而模糊本体学习是构建模糊本体的一种有效方法,因此模糊本体学习已逐渐成为现今本体研究的热点。作为模糊本体的另一种图结构的表现形式,模糊概念格构造与演化的研究也渐渐引起人们的关注。模糊形式概念分析是一种基于模糊形式背景表示形式概念的新模型,是由模糊集理论与形式概念分析结合而成,其主要表现形式即是模糊概念格。这种模糊概念层次结构是数据分析及规则提取的有效工具,且支持概念间相似度的计算。提出一种基于模糊形式概念分析的模糊本体学习方法,意图从领域文档中获取模糊概念和模糊概念关系,并通过模糊形式概念分析,将其添加到源模糊本体转化的模糊概念格中,以完成模糊本体学习。     

关系数据库中本体完整性约束验证方法

近几十年来,计算机网络的飞速发展和信息化的推进,语义Web数据中的信息以指数形式增长,需要有一种映射机制将语义Web数据映射到数据库中.关系数据模式与本体之间映射是语义网研究中的一个重要问题.针对现有的本体按照一定的策略在不损失其语义的情况下组织到关系数据库中没考虑本体数据的完整性的问题,本文提出如何将组织到关系数据库中本体数据验证完整性约束方法.     

社交网络中虚拟团队的语义描述及本体构建

对存在于社交网络平台中的虚拟团队进行语义描述以及本体构建是研究社交网络下群体活动规律、演变规律的重要手段。运用形式概念分析的方法对虚拟团队的角色-行为及基本属性进行语义描述。首先,通过分析虚拟团队在社交网络中的静态特点,构造其基本形式概念背景;其次,根据虚拟团队中的各类角色与行为之间的关系,对虚拟团队的动态属性进行描述,再结合基本属性概念,生成更完善的概念格;最后,利用概念格转换语义本体的方法和工具,构建虚拟团队的语义本体。     

一种关系数据库到本体的自动构建方法

随着语义网的发展,对本体的需要也越来越大。但是目前大多数的数据被存储在关系数据库中,这些数据不能被语义网应用程序所访问。因此如何将关系数据中的数据转化为可以被语义网应用的数据,是一个需要解决的问题。针对上述问题,提出了一种从数据库自动地构建OWL本体的方法。该方法把本体构建过程分为语义信息的发现和本体映射两个部分。并且定义了一种图M-Graph,通过M-Graph的生成与分析,结合映射规则自动地构建OWL本体。实验验证,该方法可自动地由关系数据库构建OWL本体,并且可以得到相对丰富和准确的本体。     

一种基于概念格胶合的模糊本体合并方法

为了解决本体异构问题,实现本体资源的共享和重用,需要进行本体集成。本体合并是集成的一种方式。本体对概念外延和内涵揭示得不够,对概念的表达深度不够。形式概念分析可以很好地表示和处理概念以及概念之间的关系,但是在语言表达和推理等方面还很不足,因此需要将它们结合起来表达和处理知识,提高语义表达能力。提出了一种基于模糊概念格胶合的模糊本体合并方法,为模糊本体集成提供了一种新的方法。     

基于形式概念分析的数据库系统模式分层语义研究

数据库系统中的模式分层语义表达属性间的分层映射关系。形式概念分析(FCA)是以形式化的概念和概念层次为基础的数学分析工具,表达概念间的泛化与例化关系。首次将形式概念分析理论引入数据库系统模式分层语义的研究,将属性偏序关系作为生成模式分层语义的一种形式化的规则。讨论了研究的理论基础和通过属性概念内涵构造属性偏序结构,从而获取模式分层语义的实现方法。研究过程表明,该方法是有效的。     

面向GIS多重表达的本体语义模型

多重表达是地理信息弹性存取和集成分析的一个内在要求,它实质上提供了一个多尺度、多应用主题的信息集成机制。多重表达的概念建模需要在高度抽象的地理概念层次上实现地理信息一体化的弹性表达,而不是局限于数据库中几何多样性的一致性描述。基于本体的地理信息建模更贴近于认知模型,还有助于模型语义的表达以及基于语义的信息集成和共享。论文探讨了基于本体的地理概念表达与GIS语义的形式化,并通过多重表达上下文的抽象以及本体逻辑基础的上下文扩展,给出一个支持GIS多重表达的本体语义模型,该模型能够为多重表达数据库的实现提供一个易于理解和共享的形式化基础。     

利用本体的视频语义概念检测

视频数据的不断丰富以及人们对视频检索的要求越来越复杂,使得视频语义信息建模和高层语义概念提取逐渐成为视频检索中的重要组成部分.本文提出一种基于本体的视频语义概念检测方法,利用贝叶斯网络构造视频中概念语义关系的检测本体,构建了视频中概念之间的层次关系,并能够通过推理完成复合语义概念的检测.该方法从语义信息学的角度对视频内容进行分析,在一定程度上削弱了语义鸿沟的影响,并且取得了较好的查询结果.     

基于混合推理的知识库的构建及其应用研究

该文提出了基于OWL本体与Prolog规则的平面几何知识库的构建方法,从而可形式化地表示平面几何中丰富的语义信息.一方面,用类型、定义域、值域、分类、属性、实例等本体描述来表达结构化的知识,为领域内概念与概念之间关系的描述提供形式化的语义;另一方面,用Prolog规则来解决本体不能有效表达的诸如属性之间的关系和操作等问题,从而支持复杂关系间的推理.在此基础上,用Protégé和Prolog构建了一个基于本体和规则的平面几何知识库.实验证明:此知识库可实现知识和语义层次上的信息查询,还可进行复杂问题求解,其丰富的语义描述和混合推理能力弥补了传统知识库的不足.     

Learning the semantics of structured data sources

Information sources such as relational databases, spreadsheets, XML, JSON, and Web APIs contain a tremendous amount of structured data that can be leveraged to build and augment knowledge graphs. However, they rarely provide a semantic model to describe their contents. Semantic models of data sources represent the implicit meaning of the data by specifying the concepts and the relationships within the data. Such models are the key ingredients to automatically publish the data into knowledge graphs. Manually modeling the semantics of data sources requires significant effort and expertise, and although desirable, building these models automatically is a challenging problem. Most of the related work focuses on semantic annotation of the data fields (source attributes). However, constructing a semantic model that explicitly describes the relationships between the attributes in addition to their semantic types is critical.We present a novel approach that exploits the knowledge from a domain ontology and the semantic models of previously modeled sources to automatically learn a rich semantic model for a new source. This model represents the semantics of the new source in terms of the concepts and relationships defined by the domain ontology. Given some sample data from the new source, we leverage the knowledge in the domain ontology and the known semantic models to construct a weighted graph that represents the space of plausible semantic models for the new source. Then, we compute the top k candidate semantic models and suggest to the user a ranked list of the semantic models for the new source. The approach takes into account user corrections to learn more accurate semantic models on future data sources. Our evaluation shows that our method generates expressive semantic models for data sources and services with minimal user input. These precise models make it possible to automatically integrate the data across sources and provide rich support for source discovery and service composition. They also make it possible to automatically publish semantic data into knowledge graphs.     

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.     

领域本体的概念相似度计算

随着本体在信息检索、人工智能等领域的广泛应用,面向本体的概念相似度计算成为了本体研究的一大热点。当前领域本体中概念相似度的研究主要是利用概念的上下位关系进行计算,但这并没有完整反映出概念的语义信息。论文提出的算法将概念相似度计算分为两层,一层是概念语义初始相似度层,其主要利用概念之间的距离来计算概念的初始相似度。另一层是概念非上下位关系相似度层,其在概念初始相似度的基础上,计算概念通过非上下位关系体现出的相似度。最后通过综合计算,得到领域本体中概念的实际相似度。实验证明,该方法充分利用了本体中概念的语义信息,得到的结果也比较合理。     

基于粗概念格模型的电子商务领域本体的构建研究

以构建电子商务系统中的本体为出发点,分析现有的本体构建技术中存在的缺陷。针对这些不足,综合考虑变精度粗糙集模型和形式概念分析的相关理论,提出基于粗概念格模型来构建本体。将变精度粗糙集的β选取算法和可辨识矩阵属性约简算法进行了改进,使β 上、下分布的约简方法适用于形式背景的约简,从而提出基于变精度粗糙集的概念格约减算法;然后计算语义概念相似度,并以联合国标准产品与服务分类代码的本体元模型为核心本体,结合领域专家知识,建立电子商务领域本体模型。实验表明了粗概念格构建本体的高效性。