基于模糊概念格的语义Web服务匹配

针对不同本体领域语Web服务匹配问题,提出基于模糊概念格模型的语义Web服务匹配方法。将不同本体映射成统一形式背景,进而形成模糊概念格结构,最后在模糊概念格结构的基础上,提出了服务的相似度计算方法。实验结果表明该服务匹配方法的有效性。     

模糊本体构建的概念距离聚类方法

针对手工构建模糊本体工作量大且构建效率低的问题,结合模糊集理论和模糊概念格的结构惟一性等特点,提出一种基于模糊概念格的概念距离聚类方法来构建模糊本体.用渐进式方法构建出模糊概念格,并计算模糊概念格中节点的模糊参数,对其进行概念距离聚类处理,得到模糊概念层次,最后映射为模糊本体.其构建实例验证了该构建方法的可用性和有效性.     

基于形式概念分析与统计理论的本体构建模型*

为了解决目前本体建立技术严重依赖领域专家的参与、不够客观的现状,提出将形式概念分析与统计理论相结合的本体构建模型。通过利用统计算法对术语在文件中出现概率进行统计,根据设定的阈值对术语进行抽取,同时对术语出现的文件进行记录,进而将以上所得的知识组织成具有层次关系的概念格,最后将概念格映射为领域本体。实践证明,利用该模型建立的领域本体具有较好的客观性,同时能极大提高本体搜索的效率。     

一个基于相似度计算的动态多维概念映射算法

本体作为一种领域知识结构化描述和推理的基础已经获得广泛认可．然而，本体本身是异构的．特别在多Agent系统、语义网、知识管理等开放环境下，如何协调不同领域的本体，甚至是同领域的本体的语义差异是一个基本问题．本文以相似度计算为基本思想提出了一个多维动态的概念映射算法S-Match．该算法可以根据不同的灵活性和准确性需求，在语言级、结构级、实例级和推理级四个维度上动态地进行本体概念映射．初步试验结果表明，S-Match算法在查全率和查准率方面要优于H-Match算法，并且比GLUE方法要求更少的专业知识支持．     

大本体的分块与映射方法研究

在本体的映射研究中,现实本体或大本体之间的映射算法是研究的难点。该文提出一种针对大层次本体的映射方法。根据本体的结构和概念之间的语义距离,应用向量空间模式（VSM）将概念表示成多维空间中的点。在此基础上,应用聚类算法（CURD）对概念进行聚类,形成若干个语义上相对独立的块,在2个本体的块之间根据参考点建立映射关系。实验结果表明,该方法在测试数据集上能得到较好的映射结果     

粗糙本体构建的格-树转化方法

粗糙本体是处理不精确性信息的一种基础性工具,其存在形式是由粗糙概念和粗糙关系构成的树形结构。粗糙本体的具体形式因为参与构建的领域专家的不同而呈现多样性,然而同样也是由粗糙概念和粗糙关系构成的粗糙概念格却具有结构上的惟一性。粗糙本体的构建因而可以利用格和树的组成与结构的相似性,构建粗糙概念格,转化生成粗糙本体。探讨了格-树转化方法的实现步骤：构建粗糙概念格;聚类粗糙概念格中的粗糙概念生成粗糙概念树;转化粗糙概念树为粗糙本体。构建实例阐释了格-树转换方法的具体应用。     

一种新的基于相似度计算的本体映射算法*

领域本体在知识的共享和重用方面起着重要的作用。本体映射是解决本体异构,在不同本体间建立语义关联的一种有效的方法。针对不同本体间的本体概念映射提出了一种新的概念相似度的综合计算方法,从本体概念名称、属性、结构和实例四个方面讨论本体概念的相似度,同时提出在涉及概念名称和属性名称时,使用其同义词扩展集参加计算,计算综合相似度时,分别用手工和自动的方法赋予权值。实验证明改进的算法提高了本体概念映射的查全率。     

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。     

高效的异构本体的映射算法研究

基于本体的概念间相似度计算已经在信息检索等诸多领域成为当今信息技术研究的热点问题之一。本文的工作是针对描述同一领域的多个本体间存在的异构问题,设计一种快速高效的映射算法来实现异构本体的融合。本文提出了一种基于异构本体的相似度计算方法,通过字面概念相似度和语义结构(包括节点深度、节点密度、边权重、信息量等)相似度等方面的综合计算,可以准确地得到异构本体间的概念映射关系;同时,通过对映射方法的优化,算法的匹配速度也有很大程度的提高。实验结果表明,该算法可以有效地排除本体异构的影响,得到较好的概念相似性计算效果。     

气象服务形式概念分析模型研究

为了解决气象服务领域隐含知识难以发现、概念处理不够准确的问题,在形式概念分析理论指导下,给出气象服务领域知识发现和表示模型。以互联网联盟（W3C）OWL2描述逻辑本体知识库应用为背景,提出使用一阶谓词定义多值背景属性,利用布尔代数范式表达概念外延的逻辑等价关系,从而获得具有清晰层次关系的概念格,并映射为领域本体,实现了智能代理下领域知识表达。最后以公路交通气象服务和电力气象服务为例,阐述气象服务形式概念分析及实现过程。     

基于概念集群的本体映射方法研究

本体异构是目前本体应用的一大瓶颈,而本体映射则是解决本体异构性的基础。基于概念集群的本体映射方法(CCOM)将概念间的语义结构关系引入映射过程中,用概念集群相似度代替概念相似度进行映射规则推导。实验证明本方法具有较好的查全率与查准率。     

中文核心领域本体构建的一种改进方法

核心本体对最基本的领域知识建模,并在上位本体和领域本体之间建立联系。上位本体是领域无关的而核心本体是领域相关的,因此在自动创建中文核心本体过程中,映射中文核心术语到上位本体概念有很多的错误。本文提出的改进方法首先找到共享后缀术语集内被共享的术语条数更多、与各术语的意义更接近的上位概念; 然后用其来改进词集中的核心术语和概念之间的映射。实验证明,该方法有效的提高了核心本体自动创建的精确度。     

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OWL的双语领域本体构建方法研究

随着在万维网上进行多语种语义查询要求的提高,多语言本体的研究逐渐成为热点,但是专业领域多语言本体的研究还相对较少。在对现有多语言本体构建方法的分析比较基础上,设计了两种基于OWL的、面向计算机软件工程专业领域知识的、汉英双语领域本体的构建方法,并进一步研究了基于上述两种方法的概念间相似度的计算方法,并且利用以上两种方法,以软件工程中UML知识为来源,建立了一个实验性双语领域本体。该方法在概念映射方面改进了原有方法无法有效地实现概念映射的缺陷,在多语种概念映射方面具有比较好的效果。     

电子学习系统中的知识表示与知识发现模型研究

领域本体提供了丰富的概念集,是领域知识共享的基础。讨论了电子教学系统中课程知识体系的组织与本体表示方法,构造了基于领域本体的知识发现模型,阐述了基于领域概念对相似性的本体映射过程,实现了基于单元知识的电子教学资源的灵活共享。     

基于本体语义映射的数据集成机制研究

数据集成的难点是如何解决数据之间的语义异构问题,本文利用本体在语义集成上的优点,提出了一种基于本体语义映射的数据集成框架。根据本体概念的定义及其结构,给出了一种本体语义映射算法,该算法通过属性集合间的比较确定概念语义关系,在计算概念相似度时,考虑了概念名称、概念属性集合和相关概念的语义信息。最后通过概念的属性集映射算法和概念映射算法实现了本体语义映射,从而重点解决了数据集成中的语义映射问题。     

基于形式概念分析的本体构建方法研究

本文采用形式概念分析理论中的方法来构建本体,对组成本体的概念、属性以及关系等用形式化的语境表述出来。通过概念格图形的形式来展现本体的研究领域中概念及概念之间的关系,寻找所有隐含概念及概念间的关系,从而清楚地表达出本体的结构。     

基于属性结构的本体映射方法

提出基于本体概念属性结构的本体映射方法。从多角度提取本体属性的描述特征,综合处理本体之间属性的映射,形成2个本体共同的属性结构树。利用属性结构树寻找概念属性的层次关系,以度量本体概念间的语义相似度。实验结果表明,属性结构是影响本体映射的因素之一,该方法有效。     

基于P-集合的本体形式背景抽取

领域本体形式背景的分析抽取、定义本体领域属性的核心概念是构建领域本体的关键。应用概念格模型表示领域知识,引入P-集合理论进行形式背景的定义和领域属性分析,根据领域中个体相似度矩阵对形式背景的领域属性进行优劣判断,为领域本体的构建提供了新的研究模式和方法;通过一个药用植物的实验本体,证明内涵和外延联合的概念相似度计算方法提高了知识库中核心概念扩展的计算精度,为本体推理奠定了技术基础。     

基于领域学习的本体映射方法

在语义数据集成中本体映射是关键,手工设置映射关系消耗时间并且不准确,需要使用本体映射工具自动发现这种映射关系。在现有本体映射方法的基础上提出了基于领域学习的映射方法,可以发现本体中概念之间的映射关系,可以从领域知识中发现复杂映射的规则、增加映射时的实例数据,提高映射发现的查全率和准确率。实验结果验证了算法的有效性。