基于FCA的本体原型系统的设计与实现

经过分析本体原型系统中存在的关键问题,提出基于FCA的本体原型系统来弥补缺陷,并阐明了系统的主要特色是采用FCA技术进行本体的构建、合并、三维可视化展现,其中为了在本体展现中简化概念格的显示,提出子概念格的判定方法。最后通过实例,从领域中生成了所有隐含的本体概念,形成了概念之间的上下级关系,结合相关性几率模式给出了非层次级概念之间的相似性以及概念与对象之间的相关度,从而提高了用户在本体中的查询效率。     

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。     

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FCA的对象与属性交叉渐进的情感本体学习

提出了一种基于形式概念分析的渐进式情感本体学习的算法。该算法通过动态交叉添加对象和属性来生成概念格,从而从概念格当中抽取情感本体,最终实现情感本体的学习过程。给出了算法的描述,并结合实例说明了本体学习过程。     

一种基于概念格属性约简的本体合并方法

提出一种基于概念格属性约简的本体合并方法。该方法先对源本体中的概念进行外延和内涵的分析,以此为形式背景构造概念格。对所构造的概念格进行属性约简,删除本体合并中的冗余信息,约简绝对不必要属性,以最少的信息精确地反映概念格及本体的本质和结构。最后通过实例分析此方法的可行性。     

一种基于概念格胶合的模糊本体合并方法

为了解决本体异构问题,实现本体资源的共享和重用,需要进行本体集成。本体合并是集成的一种方式。本体对概念外延和内涵揭示得不够,对概念的表达深度不够。形式概念分析可以很好地表示和处理概念以及概念之间的关系,但是在语言表达和推理等方面还很不足,因此需要将它们结合起来表达和处理知识,提高语义表达能力。提出了一种基于模糊概念格胶合的模糊本体合并方法,为模糊本体集成提供了一种新的方法。     

本体集成研究综述

本体集成(ontology integration)的目的是使异质的本体互操作,目前是本体研究的一个热点.本体集成首先发现实体间关系,生成本体映射,然后根据应用目的基于映射进行处理,最终达成本体对齐或者本体合并的目标.本文介绍了本体集成中的概念,给出本体集成的一般工程化方法.对国内外较具代表性的本体集成工具进行比较分析,讨论了现存的问题,指出了未来的研究方向.     

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。     

图像情感本体背景下的模糊概念格生成及维护算法

从算法的角度,阐述将FCA的核心——概念格,应用于以图像底层特征为外延、VAD心情空间中的情感分类为内涵所构成的模糊形式背景中,给出了基于图像情感本体的模糊概念格的基本概念,根据模糊形式背景构建并维护相应模糊概念格,提出了今后的研究方向,为同课题组的其他研究提供支持。     

基于FCA的高校人力资源开发

FCA是为了适应将概念和概念屡次用数学形式清晰表达的需要而产生的,已经被成功的应用于数据挖掘领域.提出LRM算法,从约简过的形式背景构造的概念格上挖掘频繁项集,不仅大大缩减了造格时间,而且提取的规则具有更好的分类效果,是高校人力资源开发和管理的良好工具.     

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。     

基于FCA与BAM结合的网页匹配方法的研究

在互联网高速发展的今天,搜索引擎成了大家在互联网上获取自己所需要信息的重要工具之一,在搜索引擎中,使用最多的就是基于关键词的匹配策略。采用了形式概念分析(FCA)和双向联想记忆存储器(BAM)结合的研究方法,并对该方法进行了实验,实验表明该方法优于传统的网页匹配方法。     

本体学习研究综述

近年来,本体学习技术逐渐成为计算机科学领域的一个研究热点.根据数据源的结构化程度(结构化、半结构化、非结构化)以及本体学习对象的层次(概念、关系、公理),将本体学习问题划分为9类子问题.分别阐述了这9类问题的基本特征、常用的方法和最新的研究进展,并在此分析框架下进一步介绍和比较了现有的本体学习工具.最后,讨论了存在的问题,指出了未来的研究方向.     

Ontology 方法学综述

近来 ,一种新的知识模型的出现 ,解决了以前专家系统基于规则技术的缺陷。最新的知识工程化技巧就是Ontology(本体论 ) ,获取本体论的动机是“可再用性”(Reusability)。在信息系统、接口、面向对象设计和编程等方面 ,本体论都是一个很好的工具 ,详细介绍构造Ontology方法学