基于描述逻辑的数据挖掘元数据的一致性检验

针对目前数据挖掘元模型DMM的自然语言和图形化方式缺乏精确的语义,基于DMM的数据挖掘元数据集成中的冲突问题难以发现,提出一种描述逻辑家族的形式逻辑DLRDM,给出DLRDM的语法和语义,使用DLRDM形式化数据挖掘元模型和元数据.证明DLRDM上的推理问题可以规约到ABox上的一致性检验问题.利用描述逻辑推理引擎RacerPro,对基于DLRDM的数据挖掘元数据进行推理检测以发现不一致信息,结果表明DLRoM在处理数据挖掘元数据一致性检验问题上的正确性与有效性.     

基于CWM的元数据的形式化推理框架研究

在基于公共仓库元模型(CWM)建立元数据的过程中,参与建立元数据的团体的不同经验以及描述数据的不同视角不可避免地带来元数据的冲突和冗余等问题,然而CWM的图形化特点使之缺乏精确的语义,所以如何在其上进行推理以自动发现这些问题至今没有得到很好的解决.研究了利用描述逻辑--一个一阶谓词逻辑的可判定子集形式化CWM元模型和元数据并进行推理的方法,将一致性检测分为水平一致性和演化一致性分别处理,在处理演化一致性的过程中对CWM元模型进行了扩展,使之支持元数据的版本能力从而能够推理由于演化引起的不一致问题,然后利用推理引擎LOOM对两种情形进行推理检测以发现不一致信息,取得了令人满意的结果,表明提出的方法是可行的.     

OWL DL的形式化基础研究

W3C正在制定的OWL DL是一种面向语义Web的知识表示标记语言，具有较强的知识表达能力并适合大规模应用的推理效率，是语义Web领域对适合语义Web应用的知识表示标记语言进行研究的最新综合．在知识表示领域，为了对知识表达能力和推理效率做合适的折衷，进行了大量关于描述逻辑的研究，本文以描述逻辑作为OWL DL的形式化基础，详细分析了OWL DL和描述逻辑间的对应关系，用描述逻辑的语义解释了OWL DL的各个基本元素，从而可以将描述逻辑领域研究的大量成果应用到OWL DL上来，为进一步研究OWL DL的知识表示、推理等问题奠定了基础．     

预测模型标记语言应用分析

论文在阐明统计分析中的预测模型移植问题之后,介绍了预测模型标记语言(PMML),提出基于PMML的应用框架,并通过DataSpace和SolEuNet两个实际应用分析和探讨了PMML。最后总结了对数据处理的认识和PMML/XML的展望。     

基于本体DL的语义推理研究

随着Internet的迅速发展,语义Web作为新一代Web正倍受关注,因为语义表述与推理是语义网需要解决的关键问题。为了解决这一问题,文中在概述了本体语言、描述逻辑的概念和描述逻辑的原理的基础上,提出了一种新的方法：让本体表示语言与描述逻辑相结合,从而为语义推理的合理性和有效性提供了保证。文中重点介绍了通过对基于本体DL的语义推理机制进行阐述分析,较详细地探讨了在本体构建过程中,运用基于描述逻辑的语义推理进行一致性判定和相容性判定的重要性和实现技术,并以果品领域的本体构建为例,对构建过程中的推理判定进行了验证。     

语义Web的逻辑基础

分析了语义Web的逻辑基础.指出了语义Web语言RDF和RDF Schema的语义是基于非经典的模型论语义,阐明了在此基础上扩展到表达能力更强的基于描述逻辑的本体语言OWL的困难.然后描述了OWL对这些困难的解决方法,并概述了如何把OWL的本体推理归约到描述逻辑的知识库可满足性问题.最后介绍了在OWL的基础上纳入Horn子句规则的方法.     

基于CWM的元数据集成中形式化推理技术的研究

在使用公共仓库元模型（CWM）进行元数据集成的过程中，参与集成的团体的不同经验以及描述数据的不同视角不可避免地带来元数据的冲突和冗余等问题，然而CWM的图形化特点使之缺乏精确的语义，所以如何在其上进行推理以自动发现这些问题至今没有得到很好的解决。本文研究了利用描述逻辑，一个一阶谓词逻辑的可判定子集，形式化CWM元模型和模型并进行推理的方法，将一致性检测分为水平一致性和演化一致性进行分别处理，在处理演化一致性的过程中对CWM元模型进行了扩展，使之支持元数据的版本能力从而能够推理由于演化引起的不一致问题，然后利用推理引擎LOOM对两种情形进行推理检测以发现不一致信息，取得了令人满意的结果，表明本文提出的方法是可行的。     

基于PMML标准的数据挖掘本体构建

针对实际问题选择数据挖掘方法是一个困难的工作,使用本体对数据挖掘方法进行建模并为用户推荐适合的方法是一个可行的解决方案。PMML是一种应用广泛的数据挖掘国际标准,提出了一种基于PMML标准构建数据挖掘本体的方法并用Protégé构建了一个本体,为利用本体推理为用户推荐挖掘算法奠定了基础。     

利用Prolog实现语义网中的知识推理

元数据的交换是实现语义网应用的基础。在语义网的架构中,Ontology语言利用自己的元级描述能力来建立元数据之间的联系,从而实现语义的交换。本文分析了DAML OIL语言的知识描述能力,并对它蕴含的关于类的知识建立了Prolog的推理规则,最后结合XSBProlog推理引擎和InterProlog接口用Java语言实现了对Ontology的推理,从而实现了不同Ontology之间的元数据交换。     

基于PMML的自组织神经网络元模型

Kohonen自组织特征映射网络SOM因其能够将高维数据映射为二维特征图而广泛应用于数据探索分析活动中。预测模型标记语言标准PMML是一个与平台及系统无关的数据挖掘模型表示语言，但其中并未包含SOM元模型的定义。通过对SOM模型的应用需求分析，提出了基于PMML的SOM元模型定义，可使模型生成与模型存储相分离，使用户在脱离模型生成系统的情况下进行模型的可视化及利用。