机器学习在本体映射中的应用

文中针对语义网中同领域内的本体异构现象,以及无法实现领域内本体库共享的问题．提出利用人工智能研究中的机器学习算法来解决。通过概念匹配映射使异构本体的语义更好地得到映射,并在果品领域经过实例的应用,其效果还是客观的。在本体映射匹配研究中,机器学习算法发挥了很大的作用,对语义重叠的概念进行高效率的推理匹配映射．为语义网本体异构的环境下实现信息在语义上的共享互操作提供了一种解决的途径。     

语义Web中本体概念的语义匹配分离方法

本体概念能够有效表达Web服务的语义信息,可通过推理机实现自动语义匹配,但推理机的推理过程比较耗时,会对服务计算技术多个环节的效率产生很大影响。以本体概念间的匹配度为基础,建立公共本体概念库,可在不影响本体概念表达能力的前提下,实现语义匹配过程的分离。为适应公共本体概念库的动态特性,给出对其进行更新(添加、删除和修改)的算法。实验结果表明,该方法大幅提高了语义匹配的效率,且不会对语义匹配的性能产生影响。     

一种基于虚拟路径的本体匹配算法

本体匹配是实体之间关系的体现,不仅单个概念之间的关系影响本体的匹配关系,概念相邻元素及其语义联系对本体的匹配关系的影响也不容忽视。提出了基于虚拟路径的本体匹配新方法,通过为两个本体元素分别建立由具有语义联系的相部元素及其联系所构成的虚拟路径,将两个目标元素的虚拟路径中各独立要素分别对应地进行概念语义相似性比较;综合虚拟路径内各独立要素的概念语义相似性,获取两个目标元素虚拟路径的图形语义相似性;根据虚拟路径的图形语义相似性推导两个目标元素之间的映射关系。实验表明,该方法能够有效提高本体匹配的质量和性能。     

基于语义相似度的Web服务匹配研究

现有的语义Web服务匹配算法没有考虑到本体概念间的多元关系,导致概念的语义不能被完整地反映出来,从而影响了算法的匹配性能。利用本体概念间的多元关系定义了一种语义距离,并通过该语义距离给出了概念间的语义相似度计算方法,在此基础上提出基于语义相似度的Web服务匹配算法。该算法通过本体概念间的语义相似度来反映Web服务的匹配程度。最后,通过对比实验验证了该算法的可行性和有效性。     

语义Web服务匹配框架模型研究与设计

针对目前语义Web服务匹配缺乏灵活、有效的匹配方法及其框架模型的现状,分析了语义Web服务匹配的各个阶段,对其中的不足进行了改进,提出了本体概念的权重的计算方法,本体概念之间相似度的具体量化计算方法,新的接口匹配方法.在语义Web服务匹配框架方面,根据语义Web服务匹配的特征,提出了基于过滤器的框架,并给出了相应的具体设计.     

一种基于Rough本体的语义搜索引擎模型

基于关键字匹配的搜索引擎无法反映Web信息在现实世界中的语义,由此不可避免地导致查准率和查全率低的缺陷:另一方面,目前本体支持的形式化概念还不足以表示不完备知识.因此本文结合Rough本体理论,提出了一种基于Rough本体的语义搜索引擎模型,讨论了模型设计和实现其中的若干关键技术.最后对模型的实现技术进行概述.     

基于本体概念相似度的遥感信息服务匹配研究

构建了一个遥感信息领域本体,基于领域本体和WordNet词典对遥感信息服务进行语义扩展,提出了一种基于本体概念相似度的遥感信息服务匹配方法,并对Leacock和Chodorow语义相似度计算模型进行改进。实验结果表明,该改进模型比距离模型和信息量模型都有提高,基于本体概念相似度的遥感信息服务匹配方法的查全率和查准率都能达到70%以上,较关键字匹配方法有显著提高。     

基于本体概念的柔性相似度计算方法研究

本体可以提供强大的知识表示方法,是信息检索领域中的重要内容。传统的本体概念相似度计算方法大多采用特定于描述语言的通用推理服务来进行匹配,这些方法忽略了概念的语义信息。通过设计一个基于OWL本体的语义检索模型,介绍了如何通过概念的属性以及层次关系来表达概念的语义,计算概念间的柔性相似度。实验结果表明,该方法能充分利用OWL属性特征与层次关系来计算相关概念之间的柔性相似度,可以根据需要动态地调节匹配范围,并给出其在文本分类中的应用。     

采用RDF的查询扩展研究

由于传统的P2P查询处理将用户查询作为独立的关键字对待,只考虑其字面符号意义而不考虑其语义。因此,用户的查询需求往往得不到真实的体现。基于本体的P2P资源匹配使用本体对网络资源进行了描述,在很大程度上反映了资源的语义,然而仍需要对查询请求进行语义扩展才适合在资源的本体中进行查询处理。使用RDF三元组描述用户请求,并扩展其语义表达能力,分析本体中概念间的上下位关系,对查询请求进行语义扩展,扩展后的查询适合于利用本体进行查询匹配。分析表明,这种扩展是有效的合理的。     

基于本体匹配模型的研究

由于本体越来越广泛地应用于语义间的信息交换,并在大量分布领域中成为支持语言共享的关键要素,如同因特网一样的共享需求也相应增加。其中匹配本体的机制是获得最终目标的方式之一。本体匹配的过程中两个本体在概念级的语义相关以及根据这些语义相关性源本体实例被转换为目标本体实例。文章对此进行了研究。     

基于属性的概念格快速渐进式构造算法

提出了一种新的基于属性的概念格快速渐进式构造算法，通过不断地渐增属性来构造概念格。以往的渐进式算法嘟是基于对象的，当数据库属性数目发生变化时，需要重新构造概念格。该算法不但解决了这个问题，而且提供了一种渐进式构造概念格的新方法和思路。给出了该算法的实例，用来说明形式背景在新添加属性后概念格的更新过程。实例与实验表明基于属性的概念格快速渐进式构造算法是快捷有效的。     

基于属性链表的概念格纵横向维护算法

概念格的维护是对已建好的概念格进行对象的插入、删除和修改、属性的删减操作时使概念格保持其特性的一种操作。该文提出了一种基于属性链表的概念格的纵横向维护算法,并对算法进行了分析,得出了较高的时间效率。     

基于IBL算法的CBR系统中索引与检索机制研究

文章介绍了基于示例学习算法IBL的概况,并对其加以改进,提出了一个新的算法IBL－Cluster。它主要由概念描述形成算法和概念描述修改算法构成。在此基础上建立了应用在基于事例的推理系统CBR中的基于IBL算法的索引与检索机制。实验表明新算法IBL－Cluster在存储空间及测试正确率方面均有改善。     

运用全1矩阵的概念格生成算法

从概念格的概念矩阵出发,提出一种运用全1概念矩阵来生成概念格的算法(Algorithm of Generating Concept Lattice Using Universal Matrix,GCL1).对整体概念格的形式背景采用0-1矩阵来表达,扫描形式背景的行和列找出全部的全1矩阵,定义了最大秩全1矩阵的概念,并且证明了最大秩全1矩阵对应的结点一定是概念格中的概念;然后按全1矩阵的秩从大到小排序,并对非最大秩的全1矩阵进行扩充,从而得到概念结点,再对概念结点连接,分别建立子概念格;最后把这些子概念格合并生成整体概念格,并同时生成哈斯图.本文对所提出的GCL1算法进行了理论论证,并且通过实例运行,结果表明该算法的时间复杂度明显优于其它许多算法.     

同义概念格的纵向合并

由于概念格自身的完备性,构造效率一直是制约其进一步应用的瓶颈。本文从概念格的构造入手,提出了同义概念格的观点,并利用其性质进一步提出了一种纵向合并同义概念格的算（VUSCL算法）。实验表明,随着节点数的增加,该算法与文献[8]中的纵向合并算法相比,其时间性能有明显改善。     

基于属性的概念格渐进式生成算法

提出了一种新的基于属性的渐进式概念格生成算法 ,通过不断地渐增属性来构造概念格 .该算法不仅为概念格的构造提供了一种新的方法 ,还解决了在已构造好概念格的前提下 ,增加属性所带来的概念格更新问题 .给出了算法的实现方法 ,并结合实例说明了概念格的更新过程 .试验表明 ,在通常情况下 ,基于属性的渐进式概念格生成算法的性能往往更优越     

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。     

基于矩阵秩的概念格生成算法

形式概念分析的核心是概念格,它在本质上描述了对象和属性之间的联系,表明了概念之间的泛化和例化关系。利用矩阵行秩的概念及概念格上的二元运算提出了一种基于矩阵秩的概念格生成算法,实例表明该算法行之有效。     

一种基于概念格的决策规则挖掘算法

概念格作为形式概念分析理论中的一种核心数据结构已经在众多的领域取得了广泛而成功的应用。从概念格上可以提取各种类型的知识,如蕴含规则、关联规则、分类规则等。利用概念格的所有节点的完备性特点,提出了一种基于概念格的新的决策规则挖掘算法,同时给出了规则的支持度。最后通过实例验证了算法的有效性。     

一种渐进式概念格生成算法的优化

形式概念分析是德国的数学家Wille于1982年提出的,其核心数据结构概念格接近于自然语言,易于理解,在数据挖掘领域有巨大的潜在应用价值。构建概念格在概念格应用中有举足轻重的地位。建格算法分为两种:批处理算法和渐进式算法。着重研究渐进式算法,并介绍一种渐进式算法的优化算法,这种优化算法在一定程度上提高了原算法的运行速度。