基于语义网格的OWL-S服务本体的语义匹配研究

研究了本体、本体匹配、NBC文本分类和OWL-S.OWL-S把网格中的资源组织为服务,并用服务本体来表示和描述,不但可以描述服务的语义,而且还能够进行适当的推理.针对OWL-S服务本体的异构性,利用OWL、OWL-S的元素值和文本内容,从本体结构、功能和文本信息等多个维度分析本体间的语义匹配问题,并给出了相应的语义等价匹配规则和基于NBC的文本分类式语义相似匹配算法,为语义网格中的服务本体共享、交互和集成等技术的实现提供了基础.     

基于本体的网格服务语义匹配方法

针对目前网格系统中,将名字作为关键字对服务进行查找存在的不准确、不灵活的缺陷,提出了一种网格服务的语义匹配方法,在该方法中,用OWL-S对网格服务进行语义上的描述,用UDDI来进行服务的注册和发现,用一个语义服务库存储虚拟组织中所有发布的网格服务功能的语义信息,这个语义服务库对每个领域的服务用树的形式进行组织。通过建立领域本体库为服务功能语义上的匹配提供知识支持。对方法进行了可行性分析。     

语义网格中基于多策略学习的Ontology匹配方法

近些年来,语义Web和网格计算这两个方向在各自的研究社区分别发展着,这两方面的交叉即语义网格(semantic grid)则是最近一段时间兴起的研究领域．通过给网格附加语义层,能够促进网格自组织的形成．现有的Gnd社区都是使用集中式的、一致性的、可扩充的Ontology库．超越集中式的语义存储是语义网格发展面临的最大挑战之一．针对网格社区间的Ontology异构性这个问题,提出了一种多策略的Ontology匹配学习方法．它使用多种分类方法来学习Ontology之间的匹配：使用一般的基于统计的分类方法来发现数据实例内部的分类特征;或者使用基于一阶逻辑的学习算法FOIL来发现数据实例之间的语义联系．在单个方法预测的基础上,匹配系统使用称之为最突出的冠军的匹配委员会方法来集成分类结果．实验表明在现实的知识领域中,系统能达到很高的匹配精度．     

结构工程语义网格本体模型框架的设计与实现

针对结构工程领域中信息集成与共享时碰到的语义冲突问题,基于网格计算和语义Web的相关技术规范,设计和实现结构工程语义网格体系结构.并在此基础上,着重分析在构建结构工程语义网格语义层的过程中,在实例集成、模式集成、概念集成和查询应用几个阶段的语义冲突问题,设计与初步实现语义层本体模型框架.     

基于语义Web的本体映射

本体映射是在使用不同本体的代理或服务之间实现互操作的核心工作。选择多种策略添加候选映射对,并使用多种相似度度量方法。这些度量方法都是基于本体的某种特征来计算,然后在本体专家的参与下,对根据各种特征计算的结果选择不同的权值,进行综合,最终结果体现出实体在各个层次上的相似度。这些层次包括实体层、语义层和描述逻辑层。     

基于OWL本体论映射的数据库网格语义模式集成研究

本文提出了一种在数据库网格中OWL本体论映射机制如何用于基于语义的数据库模式集成。方法是首先把关系模式转化为RDF/OWL语义描述以完成局部映射,再通过把局部数据语义与全局共享本体建立联系来完成全局映射。本质是把异构数据库模式的语义通过本体显性地表达出来,并在语义Web层完成模式的集成。特点是实现了在统一的语义层次上进行共享与查询,同时采用了局部映射与全局映射松耦合的构架,其特有的分层结构使得在跨库/单库环境中进行语义查询变得更加灵活。     

语义网格：语义Web与网格计算的融合

本文对近几年Web服务、语义Web及网格计算等一些新兴的技术进行了简要的回顾，并对它们的背景、特点及相互关系进行了分析，在这基础上，介绍了一种新的网格发展趋势——语义网格，对它的背景、目标、体系结构及其知识层进行了详细描述并简要总结了当前语义网格的研完现状。     

Ontology learning for the Semantic Web

The Semantic Web relies heavily on formal ontologies to structure data for comprehensive and transportable machine understanding. Thus, the proliferation of ontologies factors largely in the Semantic Web's success. The authors present an ontology learning framework that extends typical ontology engineering environments by using semiautomatic ontology construction tools. The framework encompasses ontology import, extraction, pruning, refinement and evaluation.     

Ontology languages for the Semantic Web

Ontologies have proven to be an essential element in many applications. They are used in agent systems, knowledge management systems, and e-commerce platforms. They can also generate natural language, integrate intelligent information, provide semantic-based access to the Internet, and extract information from texts in addition to being used in many other applications to explicitly declare the knowledge embedded in them. However, not only are ontologies useful for applications in which knowledge plays a key role, but they can also trigger a major change in current Web contents. This change is leading to the third generation of the Web-known as the Semantic Web-which has been defined as the conceptual structuring of the Web in an explicit machine-readable way. New ontology-based applications and knowledge architectures are developing for this new Web. A common claim for all of these approaches is the need for languages to represent the semantic information that this Web requires-solving heterogeneous data exchange in this heterogeneous environment. Our goal is to help developers find the most suitable language for their representation needs.     

语义Web中的本体自动映射

分布式语义信息集成足语义Web面临的六大挑战之一．本体映射是语义集成的关键．文章基于贝叶斯决策理论提出最小风险的本体映射模型;RiMOM（Risk Minimization based Ontology Mapping）．RiMOM将映射发现问题转换成风险最小化问题,提供了一个多策略的本体映射方法．该方法不仅在1：1的映射上取得了较好的效果,还实现了n：1映射,实验表明在几个公开的数据集上,RiMOM可以取得比同类方法更高的查准率和查全率．     

语义网与本体

深入了解了语义网的由来,研究语义网的结构,通过对Unicode和URI、XML+NS+XML Schema、RDF+RDF Schema、Ontology vocabulary 4个层次模型来铸造稳固的结构。将本体技术融入到语义网运行过程中,实现知识共享和交换的目标。     

基于语义Web的本体映射

本体映射是在使用不同本体的代理或服务之间实现互操作的核心工作。选择多种策略添加候选映射对．并使用多种相似度度量方法。这些度量方法都是基于本体的某种特征来计算，然后在本体专家的参与下．对根据各种特征计算的结果选择不同的权值，进行综合，最终结果体现出实体在各个层次上的相似度。这些层次包括实体层、语义层和描述逻辑层。     

基于Ontology的语义检索技术

基于Ontology的语义检索是建立在语义网的基础上的检索技术。与传统的检索技术相比,它能提高检索的精度和覆盖率,减少了不相关的返回结果。文章首先介绍了语义网和Ontology的基本概念及如何创建基于Ontology的语义网,然后详细讨论了基于Ontology的语义检索的基本思想,基本结构及语言,最后描述了基于Ontology语义检索的应用系统,并分析了基于Ontology语义检索技术下一步的发展方向。     

语义网、语义网格和语义网络

语义网、语义网格和语义网络是三个容易混淆的概念,语义网是对WWW的延伸,其目标是使得Web上的信息具有计算机可以理解的语义,并为人们提供各种智能服务;语义网格是语义Web和网格相结合产生的新的研究领域;语义网络是知识的一种图解表示,它由节点和弧线或链线组成.通过对三者的概念、特征、应用等方面进行介绍从而说明了三者的联系以及不同,并说明了今后对三者的研究方向和重点问题.     

面向语义Web的描述逻辑本体构建

随着计算机技术和网络技术的不断发展,网络信息技术已经成了人们生活中不可分割的一部分,但是,如何构建一个更加科学合理的描述逻辑本体,方便人们在数以万计的网络信息中快速、高效的找出所需要的信息和资源是当前世界范围内的迫切性问题。该文就面向语义Web的描述逻辑本体的构建做相关的讨论和研究,希望为我国网络技术中的本体构建技术问题提供一些借鉴和参考。     

异构数据语义集成中本体映射研究

异构数据集成的要解决的关键问题之一是异构数据源的语义异构.为了解决语义异构,实现语义集成,本文利用"本体"描述异构数据,并提出一种通过WordNet词典、Google距离等多种方法综合计算本体概念相似度的方法,实现了半自动化本体映射.     

语义Web本体及本体库系统设计技术

当前的Web页面使用格式化表示语言描述信息,由于其以自然语言形式描述信息,因而不利于机器理解,为此而出现了语义Web这一研究领域,旨在实现Web的机器理解.文中介绍了语义Web的结构,然后对语义Web模型中的本体模型作了深入的讨论,包括本体的概念、构建本体的原因以及一个本体库系统所应具有的功能,并给出了有关功能结构图,最后讨论了未来的研究方向.     

语义Web本体及本体库系统设计技术

当前的Web页面使用格式化表示语言描述信息,由于其以自然语言形式描述信息,因而不利于机器理解,为此而出现了语义Web这一研究领域,旨在实现Web的机器理解。文中介绍了语义Web的结构,然后对语义Web模型中的本体模型作了深入的讨论,包括本体的概念、构建本体的原因以及一个本体库系统所应具有的功能,并给出了有关功能结构图,最后讨论了未来的研究方向。     

Ontology在语义Web中的应用研究

探讨了本体Ontology及语义Web,描述了Ontology在语义Web中的作用,结合信息检索和B2B的电子商务这两个具体应用,研究了Ontology在其中的作用,并且对实现中需要注意的问题进行了说明。