基于语义信息内容的FCA概念相似度计算方法

基于概率信息内容的FCA概念相似度计算方法依赖于语料库中概念的频次信息,这种方法仅使用出现概率作为信息内容度量指标计算FCA概念相似度,其计算结果的准确率不高.针对上述问题提出一种基于语义信息内容的FCA概念相似度计算方法,该方法利用本体中概念间的上下位语义关系度量信息内容,以进一步提高概念一般/具体程度的度量精度;然后在本体派生的ISA层次结构上计算语义信息内容相似度,从而避免基于概率信息内容的方法对语料库的依赖;最后把语义信息内容相似度作为度量FCA概念相似度的依据,并给出了通过构造带权二部图提高相似度计算效率的方法.实验结果表明使用基于语义信息内容的方法能够在不牺牲时间性能的前提下有效提高FCA概念相似度计算结果的准确率.     

基于限界传递相似度图的FCA概念相似度计算方法

使用相似度图计算FCA概念相似度需要构造相似关系的传递闭包,对于复杂问题会导致相似度图规模过大,从而影响相似度评价的效率.为了降低相似度图规模,提出一种基于限界传递相似度图的FCA概念相似度计算方法.该方法首先通过限定传递相似关系的长度来避免构造相似关系的传递闭包,得到的限界传递相似度图中忽略了长度超过界限且对区分FCA概念无用的传递相似关系,能够有效压缩相似度图的规模;然后给出了动态传递相似度计算方法和由限界传递相似度图构建二部图的方法.实验结果表明,使用限界传递相似度图能够在不损失计算结果准确度的情况下有效提高FCA概念相似度计算的效率.     

基于本体和相似图的概念语义相似度计算

概念语义相似度计算的研究是人工智能最基础和最重要的课题之一,借鉴现有的概念建模思想和工具,提出一种综合的计算形式概念分析中概念间语义相似度的算法.通过分析传统的计算方法,对存在的问题进行改进,结合领域本体和FCA的思想,通过相似图和候选属性对集合等定义计算FCA中概念间的语义相似度.应用实例的结果表明计算结果与人类的主观判断基本一致.文中的方法对概念间语义相似度计算是可行的,使用该方法可以获取在语义上和用户请求最接近的结果.     

一种OWL本体进化方法*

针对从关系数据库模式学习所得的OWL本体大都是轻量级的,其概念层次结构过于扁平,很难被直接用于实际的本体应用,提出一种新颖的OWL本体进化方法。其通过形式概念分析对已有轻量级OWL本体进行概念聚类,根据概念等同度、概念包含度计算,自动提出丰富、修改本体概念语义关系的建议,从而辅助设计者实现本体进化。该方法将FCA与相似度计算结合使用,既发挥FCA语义强度较高的特点,又发挥相似度计算执行效率高且容易实现的特点;同时,规避了相似度计算语义强度较低与FCA实现较为困难且执行效率较低的不足。一个实例结果的评估证实     

一种基于形式概念分析的事件演化分析算法

针对传统基于内容相似度的事件关系计算方法不能分析出事件间的潜在关系的问题,提出了基于FCA的事件关系计算方法。该方法利用根据话题的三层结构模型,对话题中的事件进行属性提取,并依据特征频率因子进行属性选择。利用两个事件之间的属性关系建立形式背景,以此为基础形成概念格。用基于概念格的相似度分析发现事件之间潜在。实验证明了这种方法的有效性。     

本体自动抽取中的概念相似性分析

本体的自动抽取问题是电子政务信息集成的核心问题之一。在本体的自动抽取过程中,FCA方法用于自动分析概念之间的关系,但它对概念间的同义词关系分析不够。基于这个原因,对FCA方法进行了优化,提出了SFCA算法。算法根据属性在概念中的重要性对属性赋权值,利用属性的权值计算两个概念的相似度,最终确定两个概念是否是同义词关系。通过对算法的实验结果的分析验证其是有效的,并给出了正确性证明。     

基于本体的电子政务信息集成研究

本体的自动抽取问题是电子政务信息集成的核心问题之一。在本体的自动抽取过程中,FCA方法用于自动分析概念之间的关系,但它对概念间的同义词关系分析不够。基于这个原因,对FCA方法进行了优化,提出了SFCA算法。算法根据属性在概念中的重要性对属性赋权值,利用属性的权值计算两个概念的相似度,最终确定两个概念是否是同义词关系。通过对算法的实验结果的分析验证其是有效的,并给出了正确性证明。     

一种综合的概念相似度计算方法

本体映射可以用来解决本体异构问题，也是本体结盟、本体集成、本体合并、本体翻译等的技术基础。本文针对目前本体映射中概念相似度计算所存在的问题，提出了一种综合的相似度计算方法。首先根据两个概念名称相似性过滤出最相关的概念，减少相似度的计算；然后基于概念实例、基于概念属性、基于概念关系计算概念相似度，并进行综合；最后对其性能进行了简单分析。     

概念与文档的语义相似度计算

将本体作为背景知识引入到概念之间相似度和文档之间相似度的计算中。通过图模型表示本体中概念以及概念之间的语义关系,用来将一个概念和一个文档扩展为一个语义模糊集,并计算模糊集合之间的相似度。文档相似度的计算是在概念相似度计算的基础之上。在概念相似度的计算过程中引入了语义相似度矩阵以及基于共信息理论的模糊相似度方法。     

一种本体概念的语义相似度计算方法

概念语义相似度已广泛应用于 Web 服务发现、本体映射等领域, 但现有的概念语义相似度计算方法对概念间语义相似程度的区分不够细致. 本文从本体结构出发, 首先提出了自底向上的本体概念出现概率计算方法, 并在此基础上改进了基于节点信息量的概念语义相似性度量方法; 然后又设计了基于边计算的本体概念语义相似度计算方法; 最后对上述两种方法线性加权, 提出了一种加权的本体概念语义相似度计算方法. 实验结果表明该方法能进一步正确区分本体中父子概念及兄弟概念间的相似程度.     

基于关联熵系数的粗糙Vague集相似性度量方法

粗糙Vague集是将粗糙集和Vague集理论相互融合以处理不确定性信息的一种理论工具。本文在深入研究Vague集及粗糙模糊集的关联熵、关联熵系数及集合相似性度量方法基础上,将关联熵和关联熵系数的概念引入到粗糙Vague集,并详细讨论了它们的主要性质,同时证明了关联熵系数满足粗糙Vague集相似度的定义,可用于粗糙Vague集的相似性度量。最后通过实例验证了粗糙Vague集的关联熵系数用于度量粗糙Vague集之间相似性程度的有效性,该理论为粗糙Vague集相似性度量提供了一种新方法。     

λ-相似关系下的区间粗糙数粗糙集模型

针对经典粗糙集理论在处理区间粗糙数信息系统时的局限性,定义了区间相似度。在此基础上,引入参数[α]和[β],提出了区间粗糙数相似度的概念。引入参数[λ],结合区间粗糙数相似度的概念给出了[λ]-相似关系及相似类的概念,进而提出了[λ]-相似关系下的区间粗糙数粗糙集模型。研究了该粗糙集模型的相关性质,并通过实例对其进行说明。     

一种融合本体与粗糙集的文档相似度计算方法

针对向量空间模型VSM中,在计算文档相似度时要求文档标引词必须相互独立这一缺陷,提出融合本体与粗糙集的文档相似度计算方法。在该方法中,不仅可以利用本体对概念关系的准确揭示,计算文档之间的概念相似度,还可以结合粗糙集对相关概念实例的属性重要性进行度量,从而计算属性相似度,克服了传统方法需要依赖人的先验知识这一缺陷,最后综合形成文档语义向量相似度,并通过实验分析证明该方法可以在很大程度上提高文档相似度计算的准确性。     

基于限制非对称相似关系模型的规则获取算法研究

粗糙集理论在不完备信息系统中的应用,是将粗糙集理论进一步推向实用的关键之一,而经典的粗糙集理论对不完备信息系统的处理显得束手无策.在分析研究已有的扩充粗糙集理论模型的基础上,进一步提出基于限制非对称相似关系模型,并将经典的可辨识关系矩阵加以扩充,定义了限制非对称相似关系下的可辨识关系矩阵,采用布尔推理方法,直接从不完备信息系统中提取规则而无需改变初始不完备信息系统的结构.实验结果表明,所获得的决策规则简洁,与缺省值无关.     

不完备知识下的形式概念表示与计算

从集合的角度来说,知识就是数据集合在某种关系下的划分。如果这个数据集的某些属性值是未知的或丢失了,那么知识就是不完备（incomplete）的。传统形式概念分析是源于完备数据集的（完备知识）。在不完备知识下的概念分析一般说来比完备知识更困难。本文提出了一个新的不完备知识下形式概念表示与计算的方法,这种方法是基于泛化粗糙集理论的,其目的是扩展形式概念分析研究的领域。文中研究了一个基于自反相似关系的粗糙集模型,讨论了基于这种模型的形式概念分析方法。一个实例表明了这种方法的可行性。     

模糊粗糙集的相似度量和相似性方向

粗糙集理论是一种新的处理模糊和不确定性知识的软计算工具,在人工智能及认知科学等众多领域已经得到了广泛的应用。相似度量的研究是模糊集理论与粗糙集理论的热点问题之一。文章提出了一种更精确、更合理的相似度量方法,讨论了它的一些性质。然后,在此基础上提出了模糊粗糙集的相似性方向的概念,用于比较两个相似的模糊粗糙集所包含信息的精确性大小,并给出了一个关于相似性方向的判别函数。这在近似推理、模式识别和决策分析等领域有着广泛的应用。最后,通过一个实例,分析说明了这种相似度量方法和相似性方向的判别方法是更合理更有效的。     

粗糙Vague集（值）相似性度量的一种新方法

对粗糙集和Vague集的概念、知识表示方法进行了讨论,把粗糙集和Vague集进行了融合,描述了粗糙Vague集概念,给出粗糙Vague值的相关概念及其相似性度量的一种新方法,研究了粗糙Vague集的相关性质及其相似性度量的方法。     

Rough approximations on a complete completely distributive lattice with applications to generalized rough sets

The generalizations of rough sets considered with respect to similarity relation, covers and fuzzy relations, are main research topics of rough set theory. However, these generalizations have shown less connection among each other and have not been brought into a unified framework, which has limited the in-depth research and application of rough set theory. In this paper the complete completely distributive (CCD) lattice is selected as the mathematical foundation on which definitions of lower and upper approximations that form the basic concepts of rough set theory are proposed. These definitions result from the concept of cover introduced on a CCD lattice and improve the approximations of the existing crisp generalizations of rough sets with respect to similarity relation and covers. When T-similarity relation is considered, the existing fuzzy rough sets are the special cases of our proposed approximations on a CCD lattice. Thus these generalizations of rough sets are brought into a unified framework, and a wider mathematical foundation for rough set theory is established.     

粗糙Vague集（值）间k步相似度量新方法

对粗糙集、Vague集及粗糙Vague集的概念、知识表示方法进行了讨论,描述了粗糙Vague集的相关概念,在研究了粗糙Vague集相似性度量方法的基础上,提出了一种对踌躇度п_v（x）k步细化的k步相似度量新方法,并且研究了该方法的相关性质。进一步对k步相似度量在k趋向无穷时求极限,得出粗糙Vague集退化为模糊集的特例情况。     

Reduction method based on a new fuzzy rough set in fuzzy information system and its applications to scheduling problems

In this paper, we present the concept of fuzzy information granule based on a relatively weaker fuzzy similarity relation called fuzzy T_L-similarity relation for the first time. Then, according to the fuzzy information granule, we define the lower and upper approximations of fuzzy sets and a corresponding new fuzzy rough set. Furthermore, we construct a kind of new fuzzy information system based on the fuzzy T_L-similarity relation and study its reduction using the fuzzy rough set. At last, we apply the reduction method based on the defined fuzzy rough set in the above fuzzy information system to the reduction of the redundant multiple fuzzy rule in the scheduling problems, and numerical computational results show that the reduction method based on the new fuzzy rough set is more suitable for the reduction of multiple fuzzy rules in the scheduling problems compared with the reduction methods based on the existing fuzzy rough set.