从文本自动构建OWL本体的研究

随着语义检索的发展,近年来涌现了许多基于本体的研究和应用,但本体本身仍离不开领域专家手工或半自动化的构建,成为了本体研究领域的一个瓶颈。因此,本文着眼于本体的自动化构建,提出了一种用FCA(形式概念分析)从文本中提取并自动生成符合W3C标准的OWL通用本体库的方法。解决了目前本体构建自动化程度低,领域依赖性强的问题,使得本体的发展和应用不再是空中楼阁。     

FCA与本体结合研究的综述

本文对近年内形式概念分析（Formal Concept Analysis，FCA）与本体（Ontology）的结合研究进行综述，基于具体的应用来描述它们结合的方式。FCA和本体是两种形式化方法，FCA和本体的目标都是构建概念的模型，它们各有特点，本文从应用的角度讨论两种工具如何相互补充，描述了FCA怎样支持本体工程和本体如何改善FCA的应用。     

基于形式概念分析的采煤工作面本体构建研究

针对传统本体构建方法耗时耗力且主观依赖性强的问题,提出了一种基于形式概念分析的采煤工作面本体构建方法。该方法可有效地发现领域数据中隐含的概念和概念间的关系,并通过概念格将本体可视化,将新增信息自动地添加到本体中,实现了本体的半自动化更新。实例验证了该方法的有效性。     

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。     

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。     

基于形式概念分析的本体合并方法

针对现有的本体合并方法在进行合并时需要人工参与,比较费时费力,且合并结果受人为影响过大等缺点,提出了一种基于形式概念分析的本体合并方法——FCA-OntMerge(formal concept analysis based ontology merging method)。该方法首先将本体中的数据直接转化为形式背景(概念格的数据存储方式),然后利用概念格严谨和完善的数学原理进行合并,最后生成新的本体。实验结果表明,该方法能很好地解决本体异构的问题。     

一种基于FCA的面向关系数据库的本体学习方法

从已有的数据模型中进行语义提取,经过一定的规则映射生成本体的过程称为本体学习。关系数据库模型是当前数据的存取与组织的主要模型,从中学习得到本体,一直是本体工程领域研究的热点之一。利用手工定义的E-R模型到本体的映射规则来完成本体的构建,是国内外大部分学者采用的方法。但这样获得的本体概念层次关系主观依赖性强,不利于本体的实际应用。为了能更加客观地获取数据之间的概念层次关系与语义信息,提出了一种基于FCA(形式概念分析)从关系数据库进行本体学习的方法。该方法既保持了关系数据表中原有的数据语义关系,又发挥了FCA自动提取语义信息的特点,提高了最终本体生成的质量,有利于在具体的领域应用中使用本体。最后结合材料服役安全数据库的数据信息,演示了运用所提出的方法学习得到领域本体的过程。     

面向Web信息资源的领域本体模型自动构建机制的研究

领域本体的构建是本体工程研究与应用的重要内容。面向网络Web信息资源,获取领域相关文本信息,通过对文本的概念分析,构建领域本体模型。提出一套本体自动构建机制,该本体构建基于数据挖掘和机器学习技术,内容主要包括基于贝叶斯(Bayes)分类原理;提出多个分类器方式的概念分类过程和算法;提出概念关联分析和概念自学习算法,建立本体原型;提出面向OWL本体模型的转换映射机制,构建基于OWL的本体模型。此外,还提出了从网络资源获取、领域本体建模到本体实施应用的一套完整的本体构建和应用实施的解决方案。     

形式概念分析在本体构建中的应用

随着信息共享和数据交换的范围不断扩大,语义数据集成成为数据库技术研究中的热点.本体作为共享概念的形式化说明,用于表达数据源的语义、识别和建立概念间的语义关联、达成语义一致,提供了语义异构问题的解决途径.传统的关系数据库由于具备技术成熟、应用广泛、数据管理能力强、数据安全程度高等特点,依然是数据存储的主要手段.然而,关系数据只表达了"属性/值"二元关系,不具备语义描述的能力,如何在关系数据中直接抽取数据的语义,构建本体,提炼丰富的语义信息,弥补关系数据表的缺陷,是一个重要的研究方向.文中探讨了运用形式概念分析的技术,结合数据库模式及其数据,构建本体的方法.在研究本体构建的基本方法基础上,论述了形式概念分析方法,并结合给定的数据库模式及其数据信息,演示了运用形式概念分析的方法构建本体的过程.     

形式概念分析在本体构建中的应用

随着信息共享和数据交换的范围不断扩大,语义数据集成成为数据库技术研究中的热点。本体作为共享概念的形式化说明,用于表达数据源的语义、识别和建立概念间的语义关联、达成语义一致,提供了语义异构问题的解决途径。传统的关系数据库由于具备技术成熟、应用广泛、数据管理能力强、数据安全程度高等特点,依然是数据存储的主要手段。然而,关系数据只表达了"属性/值"二元关系,不具备语义描述的能力,如何在关系数据中直接抽取数据的语义,构建本体,提炼丰富的语义信息,弥补关系数据表的缺陷,是一个重要的研究方向。文中探讨了运用形式概念分析的技术,结合数据库模式及其数据,构建本体的方法。在研究本体构建的基本方法基础上,论述了形式概念分析方法,并结合给定的数据库模式及其数据信息,演示了运用形式概念分析的方法构建本体的过程。     

安全本体研究进展

本体概念已经被广泛地应用到人工智能系统、计算机科学、信息技术、生物医学等众多学科领域。对不同领域的本体分析构成了该领域知识表示体系的核心,同时本体研究促进了知识的共享和重用。将本体的概念应用在信息安全领域就形成了安全本体。主要从以下几个方面描述了安全本体:安全本体研究的现状及发展过程,构建安全本体的原则、方法和意义,现有的安全本体及分类,安全本体的描述语言,安全本体的应用。接着依据对现有的安全本体及其应用的分析,总结了安全本体的结构体系,描述了安全本体的知识表示及推理能力,并指出在构建安全本体、本体评估、本体学习和安全本体的应用等方面依然有待完善。     

基于词间语义关联性的本体扩展

本体作为一种概念模型建模工具,被应用到计算机的各个领域,用来信息组织和知识管理。本体扩展是一种将新概念以及概念间的关系添加到已有本体的合适位置,以扩大本体为目的的方法。提出一种基于词间语义关联性从文本中扩展本体的方法,该方法主要利用共现分析、词过滤技术和词间语义关联性从文本中发现潜在的概念,作为待扩展概念,并使用扩展规则、包含分析等关系识别技术将概念添加到已有本体中。以电子政务领域的教育子领域为例,使用该方法扩展了一个教育领域的领域本体,结果表明该方法扩展的本体比较合理,具备较强的应用能力。     

Learning domain ontologies for semantic Web service descriptions

High quality domain ontologies are essential for successful employment of semantic Web services. However, their acquisition is difficult and costly, thus hampering the development of this field. In this paper we report on the first stage of research that aims to develop (semi-)automatic ontology learning tools in the context of Web services that can support domain experts in the ontology building task. The goal of this first stage was to get a better understanding of the problem at hand and to determine which techniques might be feasible to use. To this end, we developed a framework for (semi-)automatic ontology learning from textual sources attached to Web services. The framework exploits the fact that these sources are expressed in a specific sublanguage, making them amenable to automatic analysis. We implement two methods in this framework, which differ in the complexity of the employed linguistic analysis. We evaluate the methods in two different domains, verifying the quality of the extracted ontologies against high quality hand-built ontologies of these domains.

Our evaluation lead to a set of valuable conclusions on which further work can be based. First, it appears that our method, while tailored for the Web services context, might be applicable across different domains. Second, we concluded that deeper linguistic analysis is likely to lead to better results. Finally, the evaluation metrics indicate that good results can be achieved using only relatively simple, off the shelf techniques. Indeed, the novelty of our work is not in the used natural language processing methods but rather in the way they are put together in a generic framework specialized for the context of Web services.     

Ontology构建中概念与关系的获取与处理

有效构建一个Ontology,需要对领域中的概念及其关系有清楚的理解。如果不能很好地抽取领域概念,往往不能开发出结构组织良好的Ontology。论文从Ontology的基本理论出发,基于基本概念、角色和关系,探讨了Ontology开发中的基本概念、角色概念、整体概念与部分概念等基本要素,并说明这些要素的处理,并为Ontology的开发提供了范例。     

基于形式概念的语义网本体的构建与展现

作为语义网基础的本体是共享概念模型的明确的形式化规范说明，它提供一种让计算机可以交换、搜寻和认同文字信息的方式。有效地构建、展现本体成为应用本体的关键问题，然而，现有构建本体的各种方法都在不同方面存在着限制。经过分析比较，本文采用形式概念分析理论构造本体阶层来弥补缺陷，并结合机率模式展现本体，用于表达概念之间及概念、资料间的相关性，利用文件与概念的相关性排序结果，以便于用户找到最相关的信息，从而有效地提高了信息查找的效率。本文通过实例来演示本体的构造与表达。     

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。     

Cluster-Merge本体构造算法

本体构造就是利用各种数据源以半自动方式新建或扩充改编已有本体以构建一个新本体。现有的本体构造方法大都以大量领域文本和背景语料库为基础抽取大量概念术语,然后从中选出领域概念构造出一个本体。Cluster-Merge算法首先对领域文档先用k-means聚类算法进行聚类,然后根据文档聚类的结果来构造本体,最后根据本体相似度进行本体合并得到最终的输出本体。通过实验可证明用Cluster-Merge算法得出的本体可以提高查全率、查准率。     

基于概念代数的本体演化

针对本体模型的维护和演化问题,将代数格与概念格相结合,定义概念代数,提出基于概念代数的奉体演化3层结构,包括原子概念层、原子概念关系层、应用层。分析概念代数与本体表示语言OWL之间的对应关系。在应用层中,利用概念代数根据应用的需要在原本体模型基础上构建面向应用的概念,并维护原有本体模型。实例证明了该方法的有效性。     

Empirical findings on ontology metrics

Ontologies are becoming the preferred way of representing, dealing and reasoning with large volumes of information in several domains. In consequence, the creation, evaluation and maintenance of ontologies has become an engineering process that needs to be managed and measured using sound and reliable methods. As part of any ontology engineering or revision process, metrics can play a role helping in identifying possible problems or incorrect use of ontology elements, along with providing a kind of quality assessment that complements reviews requiring expert inspection. However, in spite of the fact that there are a number of ontology metric proposals described in the literature, there is a lack of empirical studies that provide a basis for their interpretation. This paper reports a systematic exploration of existing ontology metrics from a large set of ontologies extracted from the Swoogle search engine. The OntoRank value used inside the Swoogle to rank search results is used as a contrast for some existing metrics. The results show that the existing proposed metrics evaluated in general do not seem to be indicators of that ranking, but they can be helpful to identify particular kinds of ontologies.