本体结构特征分析与匹配应用研究

针对本体匹配中结构蕴含的隐式语义信息难以正确表示和充分使用问题,提出将本体结构特征量化引入本体匹配。根据本体与复杂网络的相似性,分析本体具有的网络特征,提出了一系列基于结构和语义特征的理论和节点、边的量化标准,并将其用于核心节点的选取和边权重的度量。将本体匹配转换为基于元素个体特征和整体组织结构的有权标签图匹配问题,通过二次规划方法求取近似最优匹配。实验证明本体拓扑结构特征对本体匹配具有较大影响,其与核心节点匹配的紧密藕合能够显著提高匹配的准确性。     

作战重心建模中的条件概率生成方法研究

运用贝叶斯网络技术对作战重心(Center of Gravity,COG)建模时,子节点条件概率表中的概率分布数量随着父节点数目的增加呈指数增长,这对担负概率估算的领域专家而言是一个巨大的挑战.分析了领域专家在估算条件概率时的启发式思维,提出一致性父节点配置的概念,并把在该配置下估算获得的条件概率和父节点的相对权重作为输人,使用加权和的方法生成其余的条件概率.该方法减少了领域专家在估算条件概率时的认知量,有利于保持概率分布的一致性.     

基于结构特征量化的本体模块化划分研究

针对大规模本体模块化划分问题,从本体结构与复杂网络的相似性分析入手,根据本体语义和网络结构特征将其转换为对应的概念网络。提出衡量本体中节点局部中心度和边的语义连接强度的量化标准,用于选取核心节点和度量边权重,得到显式表示本体语义和结构特征的无向加权层次网络,将其建模为具有不同位势的电路网络,利用最大位势差法划分本体模块。实验结果表明,该方法能够在线性时间内得到质量较高、适合匹配应用的本体划分。