利用Wikipedia的结构化信息计算语义相关性

提出了一种基于Wikipedia的链接信息的计算词汇间语义相关性的新方法.与WordNet知识库相比,Wikipedia的覆盖范围更广,知识更全面,内容更新更快,是进行语义处理的理想资源.与基于Wikipedia的计算语义相关性的同类方法相比,该方法只利用了Wikipedia的链接结构信息,无须繁重的文本处理,计算量小.在相关性计算中,综合考虑了指入型链接和指出型链接的积极作用,并配合链接数量调节因子消除偏斜.利用多个通用的人工定义语义相关性度量数据集,与当前已有的基于WordNet和基于Wikipedia的相关性度量方法进行了试验比较,结果表明此方法在计算语义相关性方面效果显著.     

教育语义网中的知识领域本体建模

针对多学科领域知识本体构建难度大和难以普及的问题,提出了适用于教育领域的基于知识工程的本体建模方法,通过确定领域知识的范围,对领域知识进行概念和术语的提取,然后基于分类后的概念集定义层次结构和构建关系模型,构建出完整的本体结构模型.该方法不仅简化了本体建模的过程,还可以使学科领域专家能够独立地开发出学科课程相关的本体.以“统一建模语言（UML）”课程为实例,示范了课程本体开发的过程,验证了上述学科领域知识本体开发方法的可行性．     

一种基于Bootstrapping的本体学习方法

提出了一种基于自扩展的本体学习方法用于获取领域术语.该方法只需提供少量种子术语和一个未标注语料库作为输入,由种子术语开始学习抽取模式,再由学习到的模式发现新的术语,进一步由新发现的术语学习新的抽取模式,如此循环迭代.实验结果表明,该算法能够产生较高质量的领域术语集合和抽取模式集合,这样的集合可用于相关领域的信息抽取.     

基于WordNet的本体查询方法研究

不同的本体之间普遍存在着很多语义互操作的问题,如:语义冲突和结构异构,这些问题严重地影响了本体之间的知识共享和重用;同时也给本体查询服务带来了很大的困难,为此,提出一种基于WordNet的本体查询框架OQ-WordNet.该框架首先使用语义词典库WordNet来精确地计算不同本体(源本体)之间概念的相似度;然后通过本体集成和本体映射方法为所有源本体生成一个目标本体,并建立它们之间的语义映射关系;最后OQ-WordNet采用本体查询语言SPARQL来实现本体之间的查询功能.     

一种多策略的中文领域本体概念抽取方法

为了提高中文领域本体概念抽取的准确率和召回率,提出一种多策略的中文领域本体概念抽取方法。该方法使用模式匹配法改进原有的单字合并法,经词性过滤和缺陷检测筛选出概念集组成用户词典,并送入概念抽取系统进行二次分词获得候选概念集;利用词频-逆向文本频率(TFIDF)方法和信息熵融合得到TFIDFE方法,计算概念权重以获得领域概念集。实验结果表明,该方法在领域术语抽取的准确率、召回率和F值上均有较好的效果。     

基于OWL的自然灾害领域本体的建立

以自然灾害领域为研究对象、以OWL为本体构建语言、以Protege3.4为本体构建工具,并结合地理本体构建的一般准则和方法,初步探讨该领域本体的建立过程。     

信息抽取中领域本体的设计和实现

领域本体在信息抽取系统有着重要作用。该文介绍了本体、领域本体的基本概念,并探讨了领域本体与信息抽取的关系。提出了信息抽取系统中领域本体的设计准则和实施步骤,实施步骤包括领域本体需求分析、收集本体信息、构建领域本体框架、形式化编码、确认和评价等。在信息抽取原型系统中实现了显示器领域本体,并将该领域本体应用到信息抽取中的命名实体识别、抽取模式获取和主题概念提取等任务中,应用结果表明该方法、步骤是可行的。     

利用语义相似度解决双语词汇知识获取的错误累计问题

在利用大规模英汉双语平行语料库进行双向双语翻译词典建设时发现:由于错误累计问题.现有词对齐技术无法直接获取质量较高的双语词汇知识.由此提出一种基于HowNet以及WordNet进行相似度计算,然后设定相似度阈值来进行词义过滤的方法.实验结果表明该方法行之有效.并对HowNet以及WordNet相似度计算方法进行了基于实际应用的对比与探讨后得出:HowNet在语义区分上粒度更细因此其召回率较高,WordNet则具有更高的精确率.     

基于百科词条的本体概念聚类方法研究

该文面向本体关系集合的自动构建,提出一种基于百科词条的本体概念聚类方法,用于发现领域概念之间的语义关系。在给定领域本体概念集合的条件下,该方法首先获取相关的百科词条并建立每一概念的向量模型,然后根据距离判别法进行概念聚类,得到概念间的相近关系。采用该方法对3个领域中的领域概念集合进行聚类,实验结果表明,该文方法比传统聚类算法有更好的聚类结果,有助于概念间关系的自动获取和领域本体自动构建。     

本体模型内概念映射翻译之研究

在多应用主体的系统中，由于各应用主体工作领域和知识表达、处理方式的不同在协作过程中易造成语义歧义等问题。本体论为应用主体间的知识级协作提供了一条可靠的途径。探讨了与本体相关的应用主体和本体推理机的结构组成以及协作过程中的术语翻译转换流程。通过对本体领域相关性、概念术语相关性等重要概念的定义描述。给出了本体推理机在不同领域本体之间进行概念术语的翻译转换方法。     

Ontology-based question expansion for question similarity calculation

A new ontology-based question expansion (OBQE) method is proposed for question similarity calculation in a frequently asked question (FAQ) answering system. Traditional question similarity calculation methods use "word"to compose question vector, that the semantic relations between words are ignored. OBQE takes the relation as an important part. The process of the new system is:① to build two-layered domain ontology referring to WordNet and domain corpse;② to expand question trunks into domain cases;③ to use domain case composed vector to calculate question similarity. The experimental result shows that the performance of question similarity calculation with OBQE is being improved.     

基于WordNet的无导词义消歧方法

有导词义消歧机器学习方法由于需要大量人力进行词义标注,难以适用于大规模词义消歧任务.提出一种避免人工词义标注的无导消歧方法.该方法综合利用WordNet知识库中的多种知识源（包括：词义定义描述、使用实例、结构化语义关系、领域属性等）描述歧义词的词义信息,生成词义的“代表词汇集”和“领域代表词汇集”,结合词汇的词频分布信息和所处的上下文环境进行词义判定.利用通用测试集Senseval 3对6个典型的无导词义消歧方法进行开放实验,该方法取得平均正确率为49.93％的消歧结果.     

融合概念格约简的中文领域本体学习方法

在基于形式概念分析的中文领域本体学习中,为提高概念格构建效率,将概念格约简理论应用于概念格构建中。首先对基于语义依存分析获取的形式背景进行对象和属性约简,然后基于约简的形式背景采用Godin算法构造概念格,最后根据修复定理修复约简概念格,得到完整的概念格。通过有关对萝蘼科植物的文本学习,得到一个萝蓐科植物领域本体。实验结果表明,引入概念格约简理论,概念格的构建效率提高70％,进而提高了领域本体构建的效率。     

三维模型库语义网构建及检索方法研究

为了实现三维模型语义检索,描述了一种基于本体来构建三维模型库语义网的方法,并在此基础上实现基于语义的三维模型检索。该方法首先建立三维模型库本体描述,根据模型库中的内容提取类,对象和属性。其次利用Word-Net英文本体查找本体原始结点的语义扩展结点,包括同义词,上位词,下位词和整体部分关系词,从而构建语义网络。在语义网的基础上实现基于SPARQL的三维模型检索。结果表明,该方法能有效地扩充一个分类粒度较粗的三维模型库的语义内容,扩大语义覆盖面,同时扩充词汇之间的语义相关性,从而提高基于关键词语义检索的准确性。     

基于本体的海军军械保障知识库构建研究

针对当前海军军械保障领域知识资源定义不一致,以及由于资源及信息管理系统分散、异构现象而导致的知识难以共享的问题,引入本体方法进行海军军械保障领域知识表示研究,提出了海军军械保障知识库的构建方法,具体研究了海军军械保障领域本体、领域知识模型以及海军军械保障知识库的层次架构。     

基于本体与Prolog的平面几何定理证明

基于本体理论、本体模型等方面的研究,以一个平面几何定理证明问题为例,详细地描述了平面几何本体的构建过程、基于本体和Prolog规则的推理,及其在平面几何问题求解中的应用.实验结果表明,将本体应用于几何定理机器证明是一种行之有效的方法,该方法避开了以往的代数方法中多次反复判断的问题,更接近自然语言的描述,能明确地表达领域...     

领域Ontology自动构建研究

利用自然语言处理(NLP)理论和技术方法对已有公认领域知识，如专业叙词表、专业辞典、专业教材或权威著作等进行重构利用，并借助领域专家知识，实现基于网络的知识采集与加工，建立起受限文本的Ontology自学习机制，从而实现领域Ontology概念描述体系的自动构建，最终有效地解决了Ontology的自动构建这一瓶颈问题，成功地探索出了一种较为理想、实用的理论与方法，为专业领域Ontology的自动构建提供理论依据及技术支持。     

A common sense geographic knowledge base for GIR

As background knowledge of geographic information retrieval (GIR), the gazetteers have their limitations. In this paper we propose to develop and implement a common sense geographic knowledge base (CSGKB) instead of the gazetteers. We define that CSGKB is concerned with the representation of geographic knowledge in human brain and the simulation of geographic reasoning in daily life. Traditional geographic information system (GIS) is based on the model of map with its data based on geographic coordinates and its computation based on geometry. However, CSGKB, which is made up of geographic features and relationships and is based on qualitative spatio-temporal reasoning, can be viewed as the direct model of geographic world. This paper also discusses the characters of CSGKB and presents its structure which is composed of knowledge base, inference engine, geographic ontology and learner. The applications using CSGKB include geographic information retrieval (GIR), natural language processing (NLP), named entity recognition (NER), Semantic Web, etc. At present, our work focuses on the design of geographic ontology and the implementation of the CSGKB knowledge base. In this paper we describe the CSGKB ontology structure, top ontology, geographic location ontology, spatial relationship ontology, and domain ontologies. Finally, we introduce the current state of implementation of CSGKB and give an outlook on our future researches.     

飞机装配工艺设计知识本体

如何用计算机描述复杂、经验性的飞机装配工艺设计知识是尚未解决的难题,制约着人工智能技术在飞机装配领域的应用研究。以建立飞机部件装配工艺知识模型为目标,以本体论为指导思想,收集并深入分析了飞机装配工艺设计领域的专家知识数据,总结出影响飞机装配工艺设计的十大因素。对有关领域知识数据进行转换、重构的概念化处理,形成了6个可用计算机描述的概念化领域术语并确立了它们之间的关系,构建了飞机装配工艺设计领域知识的本体模型,初步解决了装配知识计算机描述的问题,为人工智能在飞机装配领域的应用奠定了基础。最后,基于框架表示法,给出了装配知识本体形式化描述的BNF(Backus Normal Form)。     

领域本体构建技术概述

本体作为语义基础被广泛应用于信息检索、人工智能、语义网络和知识管理等领域。然而本体的构建和维护工作费时费力,影响了本体的广泛应用,本文主要分析了现有的几种经典工具,讨论了各自的特点,指出其存在的不足之处。