基于互补概念和搜索图的MUPS求解优化方法

本体调试是人工智能中非标准推理任务之一,对于本体工程具有很重要的意义.本文结合互补概念与基于术语集的搜索图提出极小不可满足子术语集求解的优化方法.首先,通过判断扩展的术语集是否包含互补概念,确定该子术语集是否需要进行概念可满足性检测,可以有效减少推理机的调用次数.接着,根据术语集扩展过程构造一个术语集搜索图,分别采用宽度优先搜索和深度优先搜索策略快速查找不可满足子术语集.该优化方法一方面减少了待测子术语集的规模,另一方面提高了查找不可满足子术语集对应的节点的查找效率.最后,实现了本文给出的各类优化算法并与现有的黑盒优化算法进行了比较.实验效果表明,本文方法从推理机调用次数和待测术语集规模方面均优于现有的MUPS求解方法,能够有效提高求解术语集MUPS的效率.     

一种在DL-Lite中计算本体最小不可满足保持子集的算法

在本体工程中,寻找不可满足概念或角色的本体最小不可满足保持子集是一个重要的研究课题,因为它可以提供一些有用的信息用于处理本体的不一致任务,比如分析本体、调试本体、修改本体等.现有的方法主要面向推理复杂度很高的高表达能力描述逻辑（DL）.针对低复杂度描述逻辑DL-Lite,通过分析DL-Lite中不可满足概念或角色所具有的特点,提出了一种有效地计算DL-Lite本体中不可满足概念或角色的本体最小不可满足保持子集的算法.最后将算法与当前最有代表性的算法进行了比较,结果表明所提出的算法对于DL-Lite本体来说是有效的.     

基于本体的推理机研究

语义网技术的兴起促进了本体技术的发展,本体作为语义网的基石,在知识表示与知识推理方面发挥着重要作用。本体表示语言与描述逻辑相结合,为本体推理的合理性和有效性提供了保证。介绍了本体语言、描述逻辑和描述逻辑推理的基本原理,重点介绍了基于SHIQ描述逻辑的推理机Racer的基本功能及其在智能信息检索中的应用。     

基于扩展标记的改进本体概念分类算法

研究Pellet系统本体概念分类算法及其优化技术,在此基础上给出一种基于扩展标记的改进算法。该算法通过概念间已知的包含关系,控制分类过程中遍历时概念加入的顺序,并最大程度地双向传播这些关系,从而有效地降低概念包含测试的次数。验证结果表明,该算法的概念分类性能平均提高约22%。     

不一致本体精确调试的公理分割方法

本体调试是解决本体不一致问题的主要手段。现有的本体调试方法能够求解出本体不一致性的一组冲突公理集合,删除这些公理可使本体恢复到一致状态。然而,简单地删除这些冲突公理不可避免地会造成本体信息的损失。为了解决这个问题,采用公理分割的思想,对冲突公理集合进行分割,基于分割后的公理集再次进行调试。该方法能够保留与不一致性无关的本体信息,从而避免了信息损失的情况发生。实验结果表明,在各种类型的实验本体上,所提出的精确调试算法在留存度与调试时间两方面都比类似相关的算法取得较好的效果。     

基于本体语言OWL的模糊扩展

本体能够对特定领域的概念、术语以及关系提供一种形式化的描述方法.尽管本体在知识表示上有很强的能力,但是有一个缺陷,即不能表达不确定和不精确的信息.而这些信息在语义网和多媒体应用中,又是至关重要的.针对模糊信息的本体表示问题,本文对本体语言OWL DL进行了基于模糊逻辑的扩展,给出了形式化的语法和语义,并通过一个实例说明了该方法在表达能力上的灵活性. .     

基于语义关键词的本体特征指数获取方法研究

本体作为知识表达的范例工具,依赖于语义来进行逻辑推理.但在本体搜索时依赖于语义进行搜索十分困难.针对当前本体搜索中存在的问题,提出了一种通过拆分概念来获取语义关键词进而通过计算权值来获得一组本体特征指数的方法.详细阐述了如何获取本体的一组特征指数,即能够描述本体的一组相关的关键词.通过该方法所提炼的语义关键词对于本题搜索以及本体构建工作具有指导意义.     

基于知识元本体的知识统一表示

分析描述逻辑和本体论语义,提出知识元本体论点,并用Web本体语言OWL详细地构建了知识元本体的初步版本.提出基于知识元本体的知识表示方法.从而为构建具有更小知识单元共享粒度和知识语义推理的知识库系统提供统一的知识元本体定义.     

基于描述逻辑的本体进化框架

以描述逻辑作为本体标准语言的理论基础,研究本体进化的概念和目的,提出一种本体进化框架,并在此基础上探讨本体进化过程和本体进化实现技术,包括本体变化操作语法与语义以及本体变化执行算法。通过图书本体实验平台验证了本体进化框架以及本体变化执行算法的可行性。     

一种应用描述逻辑推理实现本体映射的方法

本体匹配用于找到两个本体中元素间的映射关系,是数据库应用领域的一个重要问题.本文提出了一种基于描述逻辑的本体匹配方法,利用语义解释实现匹配.该方法首先利用多匹配器发现字面语义关系,并据此利用描述逻辑推理器推理元素相互间关系.借助概念包含推理设计了概念间关系的判定算法,可推理出各种对应关系,如等价、泛化、特化、相离、相交.该方法最终利用推理器RacerPro实现了本体匹配,最后通过实验证明了方法的有效性.     

一种基于冗余消除的本体映射后处理方法

现有的本体映射研究大多只关注映射方法本身,而缺乏对映射结果的具体分析,使得已有的映射结果供本体重用时应用效率不高。因此,本文提出一种基于冗余消除的本体映射后处理方法来对已有映射结果进行处理,以获得最优基础映射集,提高本体映射重用的效率。实验结果表明,本文方法在精简映射规模和提高映射重用效率上的表现均较优。     

基于描述逻辑本体推理的语义级中文校对方法

近年来中文校对技术虽然在字词级和语法级层面取得了较好效果,但是对于语义级层面研究相对薄弱,目前相关研究都有一定局限性. 提出利用本体技术将中文文本中的语义内容提取出来转换为结构化本体,再与正确的领域背景本体库融合,通过描述逻辑推理机来判断提取的语义内容的逻辑一致性,并将检测出的逻辑一致性错误映射为中文语义错误. 此方法在政治敏感错误等领域进行了测试,与其他相关研究相比,具有语义查错的透明性、语义模型的完整性、语义推理的智能型等优势.     

一种交互式本体除错方法

在本体设计过程中容易出现逻辑错误,利用现有本体除错工具难以诊断并修正此类错误。针对该问题提出一种新的交互式本体除错方法。通过分析unsatisfiable concept自动生成相关问题,基于用户对问题的回答自动修复错误本体。实验结果表明,该方法能利用少量问题实现修复目的。     

基于多特征表示的本体概念挂载

该文研究了一种基于多特征表示的本体概念挂载方法。以中国大百科知识体系作为本体体系结构,抽取网络知识库条目作为本体概念,通过分析条目中文本内容、语义标签和半结构化信息获得本体概念间层级关系。该文将中国大百科知识体系扩展为百万级概念的多领域中文本体,为进一步抽取本体概念的属性、概念之间的非层级关系以及支持问答服务等应用建立了良好的基础。实验证明该方法相对于单一特征方法能够提高11.8%的挂载精度。     

不协调本体调试与修复的冲突路径优化策略

本文以基于黑盒法的不协调本体调试与修复技术为研究对象,分析了黑盒法及其优化方法在调试过程中所存在的问题.针对这一问题,提出了一种基于冲突路径的调试与修复策略,证明了该策略能够正确构造出与基本冲突模式相对应的冲突路径.将黑盒法调试目标限定在与该冲突路径相关的冲突集上,以此降低调试目标的规模从而提高调试的效率.进而根据构造出的冲突路径,获得不可满足依赖路径并基于该路径制定出不可满足概念的修复策略.理论证明与实验结果证实了所提出的调试与修复策略的正确性与有效性.     

网格环境下基于本体的资源描述

该文首先介绍本体的概念并分析本体在应用领域的重要作用,然后针对网格环境中的资源描述和选择问题,构建了能够精确描述网格资源信息的本体,并利用构建的本体创建了网格服务,方便用户和应用程序之间利用基于本体的服务实现直接的互操作,提高了网格资源的可利用率。     

一种基于概念格属性约简的本体合并方法

提出一种基于概念格属性约简的本体合并方法。该方法先对源本体中的概念进行外延和内涵的分析,以此为形式背景构造概念格。对所构造的概念格进行属性约简,删除本体合并中的冗余信息,约简绝对不必要属性,以最少的信息精确地反映概念格及本体的本质和结构。最后通过实例分析此方法的可行性。