Web本体语言的逻辑语义分析的研究

分析了OWL的3个子语言,特别是OWL DL的DL逻辑语义.OWL DL和OWL Lite分别与系的和对应.通过定义本体的传递概念匹配模式,给出了基于该模式的降水量管理知识模型作为DL推理示例.该示例表明深入分析研究OWL的DL语义对增强基于OWL推理能力的应用具有现实意义.     

基于OWL DL的学科知识本体建模

学科知识建模是一项复杂的工程,目前存在的问题主要有知识库不能很好地共享和重用,难以实现语义上的推理及检索。本体作为一种能够描述概念以及概念之间的关系、能在语义和知识层次上描述概念模型的工具,已应用于语义网、自然语言处理、资源共享和重用等领域,同时也受到学科知识建模者的青睐。以＂数据库系统原理＂课程的知识本体为例,详细阐述了课程知识元模型的构建、基于OWL DL的本体建模方法,最后给出了基于OWL DL设计的知识本体的部分代码,以供业内同行研究参考。     

基于领域本体的新闻视频检索

新闻视频作为视频数据中有代表性的一种媒体,受到人们的广泛关注,对新闻视频的检索要求也越来越高.传统的新闻视频检索大多是非语义层面的,采用的是基于关键词的检索方法，难于获得令人满意的查准率和查全率．本文提出一种基于领域本体的新闻视频检索框架，定义了新闻视频检索中的新闻视频对象，使用语义表达能力强的领域本体来指导视频语义对象的标注，并针对“一词多义”问题提出了“概念域-概念”两阶段概念消歧算法；针对自然语言检索问题，使用领域本体进行查询优化和查询扩展，并提出了查询语句自动生成方法．实验表明，基于领域本体的新闻视频检索方法可以有效的提高检索性能．     

基于语义网规则语言的推理机制框架设计

分析了本体描述语言OWL DL在表达能力上局限于描述逻辑的缺陷以及语义网规则语言(semantic web rule language,SWRL)的特点,在已有时本体和规则结合推理的研究基础上,提出了一个基于SWRL的推理机制框架.该框架在OWL本体中引入了规则的表示,弥补了OWLDL在推理机制上的不足,经该框架推导出的新本体在原本体的基础上增加了概念间的语义关联,将隐性知识显示化,完善了本体知识库的内容.在语义Web领域,该框架的应用能够提高本体知识的利用率.     

基于推理的语义网检索模型及关键技术研究

为解决语义网检索过程中缺少推理导致语义检索性能不高的问题,提出一个基于推理的语义网检索模型,并介绍了该模型实现的关键技术.针对构建的领域本体,使用SWRL规则语言进行本体完善把本体中的隐性知识表示出来;在信息抽取过程中,对于识别出的实体,利用推理规则,获得更加丰富的实例知识库;对于用户输入的查询条件,利用完善的本体知识库及规则得到更多的相似概念实现查询扩展;进行语义匹配,获得更为精准的检索结果.实验结果表明,该模型能提高信息检索的语义性,得到较满意的信息检索结果.     

基于领域本体的语义标注方法研究

介绍了语义Web.本体以及语义标注的基本概念,对语义标注方法以及现有技术工具进行了简单地说明和分析,提出了一种基于领域本体的语义标注方法,并结合石油产品领域的本体对该方法进行了实例说明.该方法通过分析文档的特征词汇,使用基于领域本体的空间向量模型方法建立词汇与本体概念之间的映射.采用这种方法对文档进行语义标注后,可以把文档隐含的语义信息显式的表现出来,这样数据库内部文档之间就具有了语义关联关系,为检索的智能推理提供基础.     

基于本体的业务源模型知识库构建及应用研究

针对当前网络业务源模型领域的知识表示及复用问题,采用本体技术实现了业务源模型领域本体的建模,形成一种标准化格式的异构信息知识库。通过分析业务源模型领域的相关知识,以改进的本体构建七步法为指导,利用Web本体语言OWL(Web Ontology Language)对业务源模型领域中的概念、属性及概念和属性之间的关系进行知识表示,将语义特征引入业务源模型知识库;利用本体查询语言和本体推理机,结合具体应用场景实现基于语义的知识检索,以验证其实用价值;在上述基础上设计开发了业务源模型智能检索系统,验证了所建本体的合理性和通用性。实验结果表明,采用本体技术能有效提高查询和推理的准确度。     

基于SWRL规则与本体相似度的语义检索模型研究

在综合分析信息检索系统现状的基础上,探讨目前信息检索系统存在的问题,深入研究基于本体的信息检索系统的关键技术,包括领域本体的建设方法、SWRL（Semantic Web Rule Language）推理规则、基于本体的查询预处理以及语义处理,并从本体概念相似度和相关度的角度论述了基于本体的语义处理技术。通过这些研究,提出了使用OWL构建领域本体,结合查询预处理以及推理扩展规则SWRL的信息检索模型。     

面向领域的语义搜索引擎的应用研究

针对基于关键字的搜索引擎缺乏语义的问题,提出了一种面向专业领域的语义搜索引擎模型.以领域本体形式化描述为基础,构建本体语义框架,进而给出语义搜索模型.在模型中,以概念、概念-实例以及关键字等3种扩展特征项作为基础,对查询扩展算法和文档语义标注算法进行了研究,并且构建了语义索引,通过引入向量空间模型判定扩展检索词与语义文档的相似度.实验结果表明,该模型较传统模型较大提高了检索的查准率和查全率.     

基于本体的语义虚拟环境查询与推理模型

当前将本体引入到语义虚拟环境的研究,只是将领域本体的可视化信息用本体表示,并未发挥本体本身具有的优势。为此,提出一种基于本体的语义虚拟环境查询与推理模型。利用OWL语言统一描述虚拟场景图形内容与语义信息,并分别对两者进行查询,在图形内容查询过程中引入本体的推理方法推理出隐含的图形内容信息,然后查询需要的信息。在语义信息查询时引入语义搜索方法,利用基于语义距离计算本体概念相似度的方法计算语义虚拟环境本体中类之间的相似度,搜索与被查询实例语义相似度最大的实例,并借助推理找出其间的关系。对语义虚拟家具商店进行本体的查询与推理,结果证明了该模型的可行性。     

Fast semantic object search and detection for vegetable trading information using Steiner tree

We propose an approach to speed up the semantic object search and detection for vegetable trading information using Steiner Tree. Through analysis, comparing the relevant ontology construction method, we present a set of ontology construction methods based on domain ontology for vegetables transaction information. With Jena2 provides rule-based reasoning engine, More related information could be searched with the help of ontology database and ontology reasoning, query expansion is to achieve sub-vocabulary of user input, the parent class of words, equivalence class of extensions, and use of ontology reasoning to get some hidden information to use of these technologies, we design and implementation of ontology-based semantic vegetables transaction information retrieval system, and through compare to keyword-based matching of large-scale vegetable trading site retrieval systems, the results show that the recall and precision rate of ontology-based information retrieval system much better than keyword-based information retrieval system, and has some practical value.     

基于本体的语义网检索模型及关键技术研究

为解决传统的基于题,构建了一个基于本体的语义网检索模型.提出了一种领域本体库和应用本体库的构建方法,给出了查询本体的生成以及相似本体匹配推理的方法,实现了以该模型为基础的试验性检索系统.实验结果表明,该模型能够进行本体的语义推理,在一定程度上增强信息检索系统的语义处理能力,检索效率得到了改善.     

基于领域本体的语义查询推理系统

传统的基于关键字的信息检索技术不能满足人们对信息查询的需求,语义网技术是解决这一问题最有前景的方法。本文设计与开发一个基于出版物领域本体的语义查询与推理系统,该系统构建了出版物领域本体,并构造该领域本体的查询语句和推理规则,给出语义查询和推理的结果,并对结果进行测试。结果验证了系统对语义查询和推理的可行性和有效性。      

基于本体的Web智能检索研究

针对传统的基于关键词信息检索方式存在的问题,提出一种基于领域本体的语义检索模型,在建立本体概念与文档内容关联关系的基础上,对用户的查询输入预处理,利用本体计算两者的相似程度,给出与查询请求相关的排序后的文档。通过搭建基于本体的Web智能检索原型系统,验证了该模型的有效性。     

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.     

Topic Signature Language Models for Ad hoc Retrieval

Semantic smoothing, which incorporates synonym and sense information into the language models, is effective and potentially significant to improve retrieval performance. Previously implemented semantic smoothing models such as the translation model have shown good experimental results. However, these models are unable to incorporate contextual information. To overcome this limitation, we propose a novel context-sensitive semantic smoothing method that decomposes a document into a set of weighted context-sensitive topic signatures and then maps those topic signatures into query terms. The language model with such a context- sensitive semantic smoothing is referred to as the topic signature language model. In detail, we implement two types of topic signatures, depending on whether ontology exists in the application domain. One is the ontology-based concept and the other is the multiword phrase. The mapping probabilities from each topic signature to individual terms are estimated through the EM algorithm. Document models based on topic signature mapping are then derived. The new smoothing method is evaluated on the TREC 2004/ 2005 Genomics Track with ontology-based concepts, as well as the TREC Ad Hoc Track (Disks 1, 2, and 3) with multiword phrases. Both experiments show significant improvements over the two-stage language model, as well as the language model with context- insensitive semantic smoothing.     

基于本体的林业领域语义查询扩展模型

传统信息检索模型仅考虑考虑关键词本身的匹配程度,在林业领域信息检索时得到的检索结果不全面或不准确.为了改善检索质量,提出了一种基于本体的林业领域语义查询扩展模型.该模型利用了本体的语义推理的能力和语义结构对关键词进行语义查询扩展,最终实现提高检索查全率和查准率的目的,是对传统基于关键词匹配的信息检索模型的语义补充.结果表明该模型在一定程度上改善了林业领域信息检索结果的查准率和查全率.     

Salient object detection using biogeography-based optimization to combine features

In recent studies, ontology related concepts have been introduced into FIPA ACL content language to convey information for agent communication. However, these works have only applied ontology-based knowledge representation in communication message and then demonstrated the advantage of this association. In fact, although ontology can represent semantic implications needed for decidable reasoning support, it has no mechanism for defining complex rule-based representation to support inference. The motivation of this study is to address this issue by developing a semantic-based infrastructure to integrate Semantic Web technologies into ACL message contents. This semantic-based infrastructure defines two different semantic frameworks: the three-tier knowledge representation framework for message content and the Multi-layer Ontology Architecture for content language. The former is developed based on Semantic Web stack to support ontology-based reasoning and rule-based inference. The latter is adopted to develop a Lightweight Ontology-based Content Language (LOCL) to describe agent communication messages in an unambiguous and computer-interpretable way Jena reasoner is used in an application scenario that exploits agent communication with LOCL as content language, OWL as ontology language, and SWRL as rule language to demonstrate the feasibility of the proposed infrastructure.     

基于本体的智能信息检索系统

近年来,基于本体的智能信息检索系统已成为智能信息检索系统领域最为活跃的研究方向之一.如何利用本体进一步提高其检索性能和智能性,成为基于本体的智能信息检索系统的主要研究目标.从面向过程的角度,对近几年基于本体的智能信息检索系统的研究进展进行了综述,对其框架、所需本体知识的获取和使用、关键技术、性能评测等进行了前沿概括、比较和分析.最后,对基于本体的智能信息检索系统有待深入研究的难点和热点进行了展望.