本体中is-a层次的构建与本体集成

首先给出了本体中is-a层次的构建方法,并提出了is-a层次中删除概念的算法;其次,分析了本体集成的原因,给出了本体集成的分类、三种集成方式和四条集成原则;最后,提出一种基于OWL (Web ontology language)的本体集成算法,实验证明此算法可行.     

本体在XML信息源集成中的应用

提出了一种应用本体解决XML信息集成中语义异构的方案,设计了一个基于本体(Ontology)的XML信息集成框架。同时介绍了一种本体表示方法,并通过本体到XML Schema的映射算法,实现了对XML信息源语义层次上的有效性验证。最后阐述了XML信息查询算法,使用户可以通过本体方便地对异构XML信息源进行查询。     

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OWL的本体集成

提出一种新的本体集成方法。分析了本体集成的原因,阐述了本体集成时应遵循的4条基本原则,并给出了集成的分类,提出了一种基于OWL DL图闭包的本体集成方法。该方法将OWL DL本体抽象为RDFS图模型,根据给定的OWL DL推理规则生成OWL DL本体的图闭包,在此基础上进行本体集成,同时提出了几种计算实体相似度的方法,将本方法与COMA++和FCA-merge进行实验对比,本方法在准确率和召回率上占优势。     

基于混合本体方法的集成算法研究

本文提出了一种基于混合本体的集成算法。该方法充分利用了领域知识模型以及局部本体之间存在的语义相关性，从语义匹配的角度探讨了构造新的全局本体的可能。本文还重点讨论了n个局部本体如何构造全局本体的算法；最后介绍了一个本体构造系统，并结合项目给出了具体实例。     

浅析本体科技信息集成框架SIIF

文章阐述了基于本体的信息集成的三种方法:单本体方法、多本体方法和混合本体方法,在此基础上提出了基于本体的科技信息集成框架(SIIF)及其组成的三个层次:应用层、查询处理层、信息资源层。并且对各个层次功能进行介绍,实现对异构数据源的语义集成。     

一种基于本体的语义检索算法

本体技术作为一种能在语义和知识层次上描述概念体系的有效工具,在数字图书馆得到了广泛的关注。给出了本体结构及其词法的形式化定义。为解决RDF在语义检索中存在的问题,利用Jena工具,提出了一种提取和处理RDF层本体处理方法,给出了一种基于本体的语义检索算法。算法基于软件工程的思想,忽略不同的本体语言、本体的RDF层集合间的差异。算法分五步骤进行,包括：将RDF层本体信息从网页中分离并构建RDF模型、对RDF模型进行集合运算、RDF层本体的查询、修正RDF层本体以及对RDF层本体的序列化。实验结果表明缩短了查询时间,提高了检索的查全率及查准率。     

基于范畴论的本体集成描述

针对语义Web中的本体异构问题,提出一种基于范畴论的本体集成描述方法。与集合论相比,范畴论具有更高的抽象性和更强、更直观的表达力,是本体集成形式化嗟理想工具。把本体结构作为对象,范畴论中的“态射”可描述本体映射,“外推”可描述本体合并,运用图例进行说睨并给出本体合并算法。     

基于本体的装备领域信息集成研究

装备信息集成中存在着大量的语义异构数据源,阻碍了信息的共享和交换.本体可以描述信息之间隐含的关系.在语义和知识层次上描述信息系统的概念模型,有效地解决信息集成中的语义异构问题.通过对基于本体的信息集成方法的分析,采用Wrapper/Mediator架构,提出了基于混合本体的装备基础信息集成框架,给出了框架的层次结构和关键技术.结合实际对基于本体的装备指标体系构建和查询处理问题进行了研究,验证了基于本体的信息集成方法在装备领域信息集成中的可行性和有效性.     

基于本体的异构数据源集成系统分析与设计

分析了现有的数据集成方式，针对集成中的语义异构问题提出了一种基于本体和XML的集成系统框架，其中包括应用层、中间件层和数据源层3个层次，并给出了关键模块的设计，包括中介器、本体库和包装器。结合航空装备信息的特点，介绍了该框架在航空装备信息集成系统中的具体应用。     

利用概念属性的约束关系构建本体论概念层次

本体论概念层次构建是本体论工程的重要任务之一。通过分析本体论概念属性间的约束关系,借助于布尔方程衍生概念属性间的存在约束,提出了根据概念属性间存在约束关系构建本体论概念层次的方法,并在此基础上给出了本体论概念层次的维护算法。     

实例驱动的自适应本体学习

针对知识管理中本体构建存在的问题,将聚类算法与ODP（Open Directory Project）目录有机结合,给出了一种基于知识资源元数据的自适应本体学习方法。根据元数据对文档进行聚类形成本体概念,将生成的概念分别映射到ODP中确定概念间的层次关系,生成初始本体;根据内聚性和相关性的变化进行自适应本体学习,实现本体更新和概念丰富,以及时跟踪知识的变化。提出的自适应本体学习方法能够很好地反映研究领域的演变过程和发展趋势,满足知识型组织进行知识管理和研究人员共享知识的需求。实验结果表明了方法的有效性。     

一种综合事件本体相似度计算方法

事件本体相比于传统本体具有更加丰富的语义信息,在面向事件的大数据集成中更具优势,然而用传统的本体相似计算方法计算事件本体相似度存在很多不足,提出了一种综合的事件本体相似度计算方法。该方法以词语相似度、集合相似度、层次结构相似计算为基础,然后从事件类名称、事件类要素、事件类层次结构和非层次结构讨论事件本体的相似度,最终获得事件本体的综合相似度。实验表明该方法相比传统本体相似度计算方法准确率更高,语义信息更加丰富。     

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。     

本体知识库的模块与保守扩充

模块化是软件工程的一种方法,近年来被引入到本体领域,用以支持本体的重用和本体的整合。已有的工作没有讨论同时含有TBox和ABox的本体知识库的模块化的相关问题。在定义本体知识库的模块和知识库的保守扩充的基础之上,给出了知识库保守扩充的验证算法,并且从理论上证明可用知识库的保守扩充的验证算法来验证一个知识库是否为另外一个知识库的模块。     

Automatic fuzzy ontology generation for semantic Web

Ontology is an effective conceptualism commonly used for the semantic Web. Fuzzy logic can be incorporated to ontology to represent uncertainty information. Typically, fuzzy ontology is generated from a predefined concept hierarchy. However, to construct a concept hierarchy for a certain domain can be a difficult and tedious task. To tackle this problem, this paper proposes the FOGA (fuzzy ontology generation framework) for automatic generation of fuzzy ontology on uncertainty information. The FOGA framework comprises the following components: fuzzy formal concept analysis, concept hierarchy generation, and fuzzy ontology generation. We also discuss approximating reasoning for incremental enrichment of the ontology with new upcoming data. Finally, a fuzzy-based technique for integrating other attributes of database to the ontology is proposed.     

综合的战场空间领域本体构建方法*

为了建设我军的一体化知识处理平台、获取知识优势、构建我军的战场空间领域本体,针对我军实际,结合我军信息化建设的经验,提出了一种综合的战场空间领域本体构建方法MSBCO,设计了具体算法;最后对相关研究进行了比较.     

基于Stacking方法的多策略本体映射*

将概念相似度的计算问题看做分类问题,提出一种基于Stacking方法的多策略本体映射框架;利用Stacking方法组合多种概念相似度算法,进而提出基于Widrow-Hoff理论的元数据分类算法LMSMC。该框架中,第0层分类器使用各种概念相似度算法对源本体进行分类,第1层分类器使用LMSMC算法对元数据进行分类,从而实现组合多种算法的本体映射。实验表明该方法比单独使用相似度算法在查全率、查准率上均有所提高。     

基于领域本体的词语相似度计算

基于领域本体综合考虑属性、语义距离、层次深度和调节因子等多种因素对词语相似度的影响,提出计算词语相似度的方法.实验证明,该方法充分利用了领域本体中概念的层次关系和属性特点,并把它们结合起来,利用词语之间的相似度对文本的向量空间模型进行扩展,达到了较好的文本分类效果.     

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。