一种基于FCA的本体优化算法

在本体学习过程中,随着本体中概念的增多,必然存在概念及概念间关系的冗余,如果不及时对本体进行优化,本体中的关键信息就会淹没于冗余的概念关系之间。针对这种情况,基于FCA(形式概念分析)理论提出一种本体优化算法。应用FCA中概念格相关知识建立本体原型,通过消除本体原型层次关系中的冗余,达到优化的目的。实验结果表明,本体原型经过优化,消除了层次关系中的冗余,使概念间的关系更加清晰,核心内容更加突出。     

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。     

一种基于数据表元组的原始本体抽取方法

在基于关系数据库的本体构建过程中,由数据表抽取的原始本体的质量直接影响到最终生成本体的质量,而传统的抽取方法中将单个数据表映射为单个本体概念的方法忽略了数据表中元组数据所提供的语义信息,造成抽取的原始本体质量不高的问题。本文提出一种了基于数据表的原始本体抽取方法。应用FCA（形式概念分析）方法对单个数据表的元组数据进行分析,形成概念格,进而产生原始本体。该方法使得数据表中的元组数据得到了有效的利用,提高了原始本体的抽取质量,有利于最终本体生成质量的提高。     

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。     

基于本体的电子政务信息集成研究

本体的自动抽取问题是电子政务信息集成的核心问题之一。在本体的自动抽取过程中,FCA方法用于自动分析概念之间的关系,但它对概念间的同义词关系分析不够。基于这个原因,对FCA方法进行了优化,提出了SFCA算法。算法根据属性在概念中的重要性对属性赋权值,利用属性的权值计算两个概念的相似度,最终确定两个概念是否是同义词关系。通过对算法的实验结果的分析验证其是有效的,并给出了正确性证明。     

一种OWL本体进化方法*

针对从关系数据库模式学习所得的OWL本体大都是轻量级的,其概念层次结构过于扁平,很难被直接用于实际的本体应用,提出一种新颖的OWL本体进化方法。其通过形式概念分析对已有轻量级OWL本体进行概念聚类,根据概念等同度、概念包含度计算,自动提出丰富、修改本体概念语义关系的建议,从而辅助设计者实现本体进化。该方法将FCA与相似度计算结合使用,既发挥FCA语义强度较高的特点,又发挥相似度计算执行效率高且容易实现的特点;同时,规避了相似度计算语义强度较低与FCA实现较为困难且执行效率较低的不足。一个实例结果的评估证实     

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。     

本体自动抽取中的概念相似性分析

本体的自动抽取问题是电子政务信息集成的核心问题之一。在本体的自动抽取过程中,FCA方法用于自动分析概念之间的关系,但它对概念间的同义词关系分析不够。基于这个原因,对FCA方法进行了优化,提出了SFCA算法。算法根据属性在概念中的重要性对属性赋权值,利用属性的权值计算两个概念的相似度,最终确定两个概念是否是同义词关系。通过对算法的实验结果的分析验证其是有效的,并给出了正确性证明。     

基于本体结构的概念间语义相似度算法

针对本体模型的结构特点,从模型概念间的宽度、深度、密度等方面分析本体概念相似度的计算,将其合并为结构因素。结合语义重合度、语义距离等影响相似度的因素综合考虑,提出一种基于本体结构的计算概念间语义相似度的算法。通过建立本体模型并进行实验分析,总结出本体结构方面各因素对本题概念语义相似度的影响。     

基于森林转化为树的本体模块化方法

针对目前本体的构建效率低、重用能力弱的问题,研究了一种新的本体模块化方法——基于森林转化为树的方法. 将待建模领域逐层分解为若干个不可再分的子领域,对各个子领域分别进行构建本体模块;最后根据概念间的继承关系和《数据结构》中森林转化为树的原理,把若干个本体模块组装成一个模块化本体. 在大学领域本体的构建上,对该方法进行了验证,结果证明,该方法可有效的提高本体的重用能力,可为构建大型领域本体提供一条有效途径.     

基于领域本体面向问题的需求分析与领域建模

为了解决传统的以应用领域为目标、以问题解决方案为中心的需求分析方法造成的开发人员与需求人员以及客户三者之间的误解,需求分析不可再次使用进而导致系统开发效率低下,客户满意度低等问题,文中提出了基于本体面向问题进行需求分析的方法。阐述了基于本体面向问题进行需求分析的必要性、本体的相关概念和设计原则、本体的描述语言以及基于LAU建立领域本体的实例与需求分析过程,并论证了利用该方法可进一步提高需求分析的质量。     

基于Ontology的英汉机器翻译研究

高质量的机器翻译(Machine Translation)系统必须充分结合语言学知识以及语言中性的世界知识。近年来,ontology被广泛用于在概念层对世界知识建模,本文介绍一个基于ontology的英汉机器翻译模型系统,在这个系统中,ontology作为世界知识的模型,它是通过把概念组织成一个层次结构并同时在概念间建立丰富的概念联系而构成的。通过把某种语言中的词汇映射到ontology中的概念,可以支持在源语言分析时进行歧义消解和目标语生成时的词汇选择,并可以作为源语言和目的语言之间的中介表示的概念来源。在系统中,中介表示是用概念图(Conceptual Graph)来表示的。     

基于OWL的制药企业本体的构建及应用

本体是共享概念模型的明确的形式化规范说明,通过概念之间的关系来描述概念的语义。药业本体是制药企业中或企业间公共的知识化的描述,不仅可以促进制药企业知识的重用和共享,还大大方便了制药企业内部以及企业间知识管理和信息交换。本文讨论了本体的概念,介绍了本体的构建原则和方法,以及各种本体表示语言,着重介绍了OWL本体语言,分析了药业本体应用领域,给出了一个简单的基于OWL的本体示例片段,最后简单介绍了本体编辑工具protege2000及其使用方法。     

基于Web信息使用改进的无监督关系抽取方法构建交通本体

领域本体是对领域概念及其关系的一种高效合理的展现形式.在构建领域本体过程中,常常遇到的问题就是尽管本体概念完备但概念间关系复杂多样导致人工标记关系代价过高.使用无监督学习的关系抽取算法对包含丰富的领域概念的web信息进行抽取解决了这一问题.然而,传统的无监督学习的算法没有考虑到"单样例多概念对"的问题,导致最终抽取的概念关系不完整.本文利用交通领域的Web信息构建本体,将样例概念关系对权重引入传统的无监督学习方法Kmeans中,解决了此项问题并通过实验证明该算法取得了良好的效果.     

基于本体概念关联度的信息匹配模型及算法

当今信息查询系统可以借助语义网中的本体在结点之间的信息查询中引入必要的语义,但这种方法在分布式网络中并不完全适用。因此论文主要提出了在分布式网络中借助本体的框架通过使用近义词和概念关联度的概念进行信息查询的新方法,从而在分布式网络中只通过对方和本身结点的有效信息就能进行相对较为有效的信息查询。     

基于领域本体的概念语义相似度计算研究

通过对领域本体参照下传统概念的3种语义相似度的计算模型研究,针对这3种计算模型的优缺点和领域本体所特有的性质,提出了一种改进的基于领域本体的概念语义相似度计算模型.实验结果表明,该计算模型通过定量的分析利用本体构词所描述的概念、特性之间的相似度,可以指导基于领域知识本体的语义查询中概念集扩充和查询结果排序,为概念之间的语义关系提供一种有效的量化.     

Using NLP Techniques to Identify Legal Ontology Components: Concepts and Relations

A method to identify ontology components is presented in this article. The method relies on Natural Language Processing (NLP) techniques to extract concepts and relations among these concepts. This method is applied in the legal field to build an ontology dedicated to information retrieval. Legal texts on which the method is performed are carefully chosen as describing and conceptualizing the legal domain. We suggest that this method can help legal ontology designers and may be used while building ontologies dedicated to other tasks than information retrieval.     

改进的多策略的概念相似度计算方法

本体映射是解决本体异构的有效手段,而概念相似度计算是本体映射的关键环节。针对目前本体映射中概念相似度计算存在的问题,提出一种改进的多策略的概念相似度计算方法。首先根据两个概念的名称相似度进行初始映射判断,然后基于概念的属性、结构、实例计算概念相似度,并选取适当的权值进行加权综合。最后采用OAEI提供的标准数据测试集benchmark进行实验。实验结果表明,该方法在保证映射效率和通用性的同时,提高了映射结果的查全率和查准率。