基于本体的分层抽象模型

KRA表示模型给出了对物理世界W进行形式化建模的一般框架。在扩展后的广义KRA模型中引入本体概念,将抽象对象库扩展为本体类,在本体类中实现KRA模型框架中的感知层、语言层和理论层的知识共享和重用,简化了KRA模型的表示。分别定义了作用在物理世界W和本体类上的3种本体抽象算子(集):基本本体抽象算子、实体本体抽象算子集和连接本体抽象算子集,并给出了本体类之间的映射关系,通过这种映射关系能够实现模型抽象和模型还原。对本体类的抽象度进行形式化的定义,并给出了相关定理,指出在这样的框架中利用抽象映射可以自动构建物理世界W的抽象度不同的模型。     

基于OCL的本体模型校验方法

将集合关系理论与本体模型相结合,同时引入并扩展面向对象中的OCL(Object Constraint Language)语言,提出一种基于OCL的本体校验方法。该方法从大量本体模型中抽象出一个本体定义元模型ODM(Ontology Constraint Meta-model),该元模型基于集合关系理论,将本体模型划分为"实体相关元素"和"约束规则相关元素",并通过一系列OCL扩展函数来完成上述两种本体模型元素的形式化表示,以完成基于OCL的本体模型形式化校验。最后,通过宝钢信息共享平台车辆管理本体片段的本体模型校验实例,进一步讨论如何使用该模型校验方法实现本体模型的冲突检测和冲突消解。     

基于相似度计算的本体映射框架

本体映射是实现异构本体知识共享与互操作的有效手段。提出计算相似度的方法,考虑确定的映射对未进行计算的相关概念相似度的影响,并给出一种基于本体内定义的规则来验证映射结果的方法,在保证映射准确性的前提下,有效提高映射速度。除判别相等与相似的概念,还考虑映射概念的子类与超类关系。     

一种基于本体的抽象度可调文档聚类

文档聚类随着网上文本数量的激增以及实际应用中的需求,引起了人们广泛的关注。针对目前文档聚类的主要缺陷,提出了一种新的基于本体的抽象度可调文档聚类（Adjustable Text Clustering using Abstract Degree of Concept,ATCADC）。该方法采用Wordnet对VSM特征词进行概念映射和消歧处理,利用生成的特征概念实现文档语义层面上的矢量描述,并在二次特征选择的基础上,完成合成聚类（AHC）。方法能够依据用户设定的概念抽象度,借助专门设计的语义中心矢量调节聚类,还可利用关键特征概念对聚类簇进行解释。实验结果证明,聚类精度高,聚类簇可解释,调节效果有效,能够满足用户不同概念抽象度层次上的聚类。     

基于扩展序类逻辑的Ontology形式化描述与模型检验

本体一直是哲学中的词汇,后来随着计算机语义网络的发展,引入语义web领域,用来表示概念以及概念和概念之间的关系.用逻辑来形式化Ontology,并对形式化后的Ontology进行检验和推理一直是Ontology研究的热点和难点.参考描述逻辑描述本体的方法,提出了以扩展序类逻辑来描述本体,并对描述后的本体进行检验.     

一种基于关系数据库提取OWL本体的方法

本文针对关系数据库模式和本体之间模型上差异的问题,提出了一种通用的从关系数据库中抽取OWL本体片段的方法。该方法在形式化的给出了本体及关系数据库的定义后,提出了一个提取本体的抽象模型,由此制定了一套通用的从关系数据库到OWL本体的映射规则。基于Java编写的原型系统实现了该方法,证明了该方法的有效性。     

本体构建的粒计算学习模型

粒计算的核心是粒子、粒层和粒结构。应用粒计算思想和本体论模型定义了本体粒和相容粒概念,给出了计算本体粒集和本体树的生成算法。该算法通过相容类产生初始本体粒集,应用本体粒的内涵分量[IG]扩展其他本体粒,最后联合关系分量[RG]和本体粒的关系构建本体粒集的格分层结构,借助加权树思想生成本体的概念树模型。经过中医喘证本体的实证研究,说明算法正确高效,为本体学习提供了很好的技术途径。     

基于领域本体的智能检索模型

在传统检索模型的基础上,结合本体概念,提出一种基于领域本体的检索模型。该模型利用本体中语义概念关系及语义扩展机制对查询关键词进行概念映射及扩展,通过计算文档相似度返回检索结果,提高检索的查准率和查全率。     

一种新的基于相似度计算的本体映射算法*

领域本体在知识的共享和重用方面起着重要的作用。本体映射是解决本体异构,在不同本体间建立语义关联的一种有效的方法。针对不同本体间的本体概念映射提出了一种新的概念相似度的综合计算方法,从本体概念名称、属性、结构和实例四个方面讨论本体概念的相似度,同时提出在涉及概念名称和属性名称时,使用其同义词扩展集参加计算,计算综合相似度时,分别用手工和自动的方法赋予权值。实验证明改进的算法提高了本体概念映射的查全率。     

基于本体语义映射的数据集成机制研究

数据集成的难点是如何解决数据之间的语义异构问题,本文利用本体在语义集成上的优点,提出了一种基于本体语义映射的数据集成框架。根据本体概念的定义及其结构,给出了一种本体语义映射算法,该算法通过属性集合间的比较确定概念语义关系,在计算概念相似度时,考虑了概念名称、概念属性集合和相关概念的语义信息。最后通过概念的属性集映射算法和概念映射算法实现了本体语义映射,从而重点解决了数据集成中的语义映射问题。     

基于GRA本体映射研究

基层用户产生的本体映射关系蕴含着相关领域内的类层次结构,利用这部分知识可用于新映射关系的产生.但是现有系统存在以下缺点:类层次复杂性考虑不足,矛盾知识不完全删除和效率低下.针对这些问题,文章提出将基层本体映射的相似和等价关系进行不同处理的方法,并重新设计了类层次知识库的前向推理规则.实验表明,改进的系统使效率得到提高,在保证查全率的同时可以明显改善查准率,而且能较好支持本体复合映射.     

个性化本体的知识查询研究

在分布式系统中，既有共享概念的领域本体，又存在个体的知识组织个性，因此个性化本体的研究具有重要的现实意义。本文基于开放系统假设，定义个体的外现类及个体之间的相识关系，使用Web本体语言表示个性化本体的类描述和类公理。提出一个基于消解原理的个性化本体网络的知识查询递归算法，该算法不依赖注册服务器和分布式哈希表，具有较强的动态适应性。以一个（教）师（学）生本体网络的知识查询为例，讨论了个性化本体网络及其知识查询算法的实现。     

基于概念集群的本体映射方法研究

本体异构是目前本体应用的一大瓶颈,而本体映射则是解决本体异构性的基础。基于概念集群的本体映射方法(CCOM)将概念间的语义结构关系引入映射过程中,用概念集群相似度代替概念相似度进行映射规则推导。实验证明本方法具有较好的查全率与查准率。     

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。     

语义集成:本体映射方法研究

本体是客观世界知识的表现形式,随着语义Web研究的深入,研究者们构建了越来越多的本体,如何实现本体之间的知识共享和重用,成为了语义Web发展的关键。文中对本体映射的方法进行了研究,系统阐述了本体及本体映射的定义、本体映射中的相似度计算和本体映射框架等。如何减少本体映射中的人工干预,实现本体的半自动化或自动化映射将是该领域的发展方向。     

一种基于片段映射的本体映射模型

在大规模本体映射中,不相关元素的匹配可能造成时间和空间的浪费。本文提出了一种基本片段映射的映射模型,将本体分解后进行片段映射。这种方法可以提高大规模本体的映射效率,并能有效发现m-n映射关系。     

A novel ant colony optimization based single path hierarchical classification algorithm for predicting gene ontology

There exist numerous state of the art classification algorithms that are designed to handle the data with nominal or binary class labels. Unfortunately, less attention is given to the genre of classification problems where the classes are organized as a structured hierarchy; such as protein function prediction (target area in this work), test scores, gene ontology, web page categorization, text categorization etc. The structured hierarchy is usually represented as a tree or a directed acyclic graph (DAG) where there exist IS-A relationship among the class labels. Class labels at upper level of the hierarchy are more abstract and easy to predict whereas class labels at deeper level are most specific and challenging for correct prediction. It is helpful to consider this class hierarchy for designing a hypothesis that can handle the tradeoff between prediction accuracy and prediction specificity. In this paper, a novel ant colony optimization (ACO) based single path hierarchical classification algorithm is proposed that incorporates the given class hierarchy during its learning phase. The algorithm produces IF–THEN ordered rule list and thus offer comprehensible classification model. Detailed discussion on the architecture and design of the proposed technique is provided which is followed by the empirical evaluation on six ion-channels data sets (related to protein function prediction) and two publicly available data sets. The performance of the algorithm is encouraging as compared to the existing methods based on the statistically significant Student's t-test (keeping in view, prediction accuracy and specificity) and thus confirm the promising ability of the proposed technique for hierarchical classification task.     

大本体的分块与映射方法研究

在本体的映射研究中,现实本体或大本体之间的映射算法是研究的难点。该文提出一种针对大层次本体的映射方法。根据本体的结构和概念之间的语义距离,应用向量空间模式（VSM）将概念表示成多维空间中的点。在此基础上,应用聚类算法（CURD）对概念进行聚类,形成若干个语义上相对独立的块,在2个本体的块之间根据参考点建立映射关系。实验结果表明,该方法在测试数据集上能得到较好的映射结果