HeteClass: A Meta-path based framework for transductive classification of objects in heterogeneous information networks

Transductive classification using labeled and unlabeled objects in a heterogeneous information network for knowledge extraction is an interesting and challenging problem. Most of the real-world networks are heterogeneous in their natural setting and traditional methods of classification for homogeneous networks are not suitable for heterogeneous networks. In a heterogeneous network, various meta-paths connecting objects of the target type, on which classification is to be performed, make the classification task more challenging. The semantic of each meta-path would lead to the different accuracy of classification. Therefore, weight learning of meta-paths is required to leverage their semantics simultaneously by a weighted combination. In this work, we propose a novel meta-path based framework, HeteClass, for transductive classification of target type objects. HeteClass explores the network schema of the given network and can also incorporate the knowledge of the domain expert to generate a set of meta-paths. The regularization based weight learning method proposed in HeteClass is effective to compute the weights of symmetric as well as asymmetric meta-paths in the network, and the weights generated are consistent with the real-world understanding. Using the learned weights, a homogeneous information network is formed on target type objects by the weighted combination, and transductive classification is performed. The proposed framework HeteClass is flexible to utilize any suitable classification algorithm for transductive classification and can be applied on heterogeneous information networks with arbitrary network schema. Experimental results show the effectiveness of the HeteClass for classification of unlabeled objects in heterogeneous information networks using real-world data sets.     

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。     

Semantic Ontology Mapping for Interoperability of Learning Resource Systems using a rule-based reasoning approach

There is an increasing demand for sharing learning resources between existing learning resource systems to support reusability, exchangeability, and adaptability. The learning resources need to be annotated with ontologies into learning objects that use different metadata standards. These ontologies have introduced the problems of semantic and structural heterogeneity. This research proposes a Semantic Ontology Mapping for Interoperability of Learning Resource Systems. To enable semantic ontology mapping, this research proposes conflict detection and resolution techniques for both semantic and structural conflicts. The Semantic Bridge Ontology has been proposed as a core component for generating mapping rules to reconcile terms defined in local ontologies into terms defined in the target common ontology. This work defines the reasoning rules to classify related learning objects to enhance the powerful deductive reasoning capabilities of the system. As a consequence, ontology-based learning object metadata are generated and used by the semantic query engine to facilitate user queries of learning objects across heterogeneous learning resource systems.     

异构产品模型映射机制研究

文章针对虚拟样机中基于产品模型技术的异构应用间集成,提出了模型映射的概念,并结合产品模型的模型表达方式的语义特点,对最常见的模型间映射作了分类,提出了基于原语的描述方法,最后,给出了利用模型间映射方式实现异构应用间数据交换的实施框架。     

基于语义拓扑网的反馈学习技术

为了从海量数据中快捷有效地获取所需的信息,提出了语义拓扑网的概念以及基于语义拓扑网的反馈学习方法。通过将数据对象的内容特征与语义特征进行有机地结合并构成语义拓扑网。在反馈过程中利用语义拓扑网,不断学习记忆并指导搜索。实验表明,基于语义拓扑网的反馈系统具有良好的学习能力与记忆能力,能有效地提高榆索系统的性能。     

基于本体的电力知识跨媒体资源管理

随着电力企业海量数字资源的日益增长,如何对多种媒体格式的数字资源进行统一管理并进行快速、准确的搜索是电力企业知识管理中面临的难点.传统的搜索方法主要是基于关键字匹配来查找并返回大量的信息,没有考虑语义信息和用户的个性化特征,因此无法为用户提供准确、个性化的学习资源,造成了学习资源和人力的严重浪费.为解决此问题,本文基于语义技术,用机器可处理的语义元数据描述各种异构资源,并提出了基于本体的电力知识跨媒体资源标注方法,可以有效的解决用户对多知识点联动检索的问题,实现了电力企业知识内部知识的转化和传递,最终实现知识的共享和重用.     

语义模型驱动的数据属性匹配技术研究*

目前,企业对数据集成的要求逐渐上升到语义层面。针对数据语义上的异构问题,提出了一种语义模型驱动的集成方式,并实现了语义模型应用框架;讨论了框架中语义模型驱动的数据属性匹配技术,该技术用于在语义模型已存在的前提下,通过提供映射的方法实现异构数据到已有模型的映射。     

员工知识共享行为树的动态创建算法

采用建立知识共享行为ontology和行为树映射方法,设计了一种能够根据员工的知识行动动态生成其行为树的有效算法。该算法具有实时、交互式的特点,能够实现对员工知识共享的参与度作出定量评价。     

一种面向云制造的语义BOM知识集成框架

为克服传统BOM信息集成中存在语义知识集成的缺陷, 支持BOM知识在云制造企业间无缝传递、共享和重用, 提出一种面向云制造的语义BOM知识集成框架。该集成框架由语义BOM知识表示、知识映射、知识服务三个模块构成。知识表示模块融合本体论, 用owl DL进行语义BOM的形式化知识表示, 构建语义BOM知识本体模型; 知识映射模块基于语义BOM多视图映射方法, 形成云制造企业所需语义BOM视图; 知识服务模块以Web service为媒介, 将各语义BOM视图封装成知识服务, 通过服务注册、绑定、发现、组合等手段, 实现BOM知识的共享和重用。该框架能支持云制造企业按需在知识重用基础上快速重构BOM知识模型。     

基于语义建图的室内机器人实时场景分类

针对室内环境下的机器人场景识别问题,重点研究了场景分类策略的自主性、实时性和准确性,提出了一种语义建图方法.映射深度信息构建二维栅格地图,自主规划场景识别路径;基于卷积网络建立场景分类模型,实时识别脱离特定训练;利用贝叶斯框架融合先验知识,修正了错误分类并完成语义建图.实验结果表明:机器人能够进行全局自主探索,实时判断场景类别,并创建满足要求的语义地图.同时,实际路径规划中,机器人可以根据语义信息改善导航行为,验证了方法的可行性.     

农村科技信息共享服务系统的设计和实现

随着农村信息化建设的迅速发展,有效的信息共享及信息服务成了急待解决的重要问题。苯文提出了一个新的信息共享服务系统的框架,它通过统一、标准的信息接口、资源描述元数据及共享协议,将分布异构的农村科技信息有效地整合到共享平台下,使各个分散的信息源能够方便、快捷地成为共享服务系统中的一部分。系统通过共享访问模块访问信息源,实现信息共享,快速、准确地提供全方位、多层次的信息服务。     

一种基于本体的异构数据语义抽取方法

针对领域科学数据异构多样、缺乏语义的问题,本文提出一种基于本体的异构数据语义抽取方法。首先,构建领域科学数据的语义抽取框架,并在此基础上分别针对结构化、半结构化以及非结构化数据制定相应的语义转换与抽取规则,形成局部领域本体;然后,通过异构数据间的关联映射,构建领域数据的全局本体,实现异构数据的有效组织与统一管理;最后,将相关方法应用到材料领域,为材料科学数据的有效管理与共享服务提供支撑。     

语义模型驱动的数据属性匹配技术研究

目前,企业对数据集成的要求逐渐上升到语叉层面。针对数据语叉上的异构问题,提出了一种语义模型驱动的集成方式,并实现了语叉模型应用框架;讨论了框架中语义模型驱动的数据属性匹配技术,该技术用于在语义模型已存在的前提下,通过提供映射的方法实现异构数据到已有模型的映射。     

An ontological approach to support legal information modeling

Support for information, knowledge exchange and share is a key issue in the information society. Coming into contact with global sharing of resources, mutual well-understood knowledge of intellectual property is worthy of attention. However, there is a lack of systematic information-modeling methodology for the issue; closely connected to this problem is that most of the intelligent legal systems are undesirable and ineffective for multinational semantic mapping of article information. We propose an ontology-guided approach that provides semantic primitive representation of legal information with intention perspective. The domain ontology we developed is used as a fundamental conceptual framework to maintain the consistency among diverse legal representation.     

基于中间模型的异构数据资源语义映射方法

异构数据资源的语义映射,是大数据时代数据集成与共享研究中的一个关键问题。围绕语义搜索的应用需求,针对海量异构数据资源到领域知识本体的语义映射问题,提出基于中间模型的映射算法,通过模型解析转换、映射规则设计、映射策略选择、映射关系表达等最终获得二者的映射关系。系统面向用户提供基于知识本体的统一视图,屏蔽了底层数据资源的异构性,保证了用户对异构数据资源的透明访问和准确理解,提供了一种灵活、通用、可扩展的语义集成机制,为准确高效的语义搜索应用提供支持。     

基于机器学习的本体概念相似性研究

现有的知识系统使用的是集中式的、一致性的、可扩充的Ontology库,不同本体间的语义匹配是语义网发展面临的最富挑战性的问题之一。本文针对领域中存在不同的Ontology的问题,讨论了一种基于多策略机器学习的Ontology匹配方法,重点分析了本体概念的相似度计算,并提出了一种相似度测量算法。     

基于本体的战场航迹信息共享研究

针对纯粹意义上的数据共享对信息化战场中带来的"信息冗余"、"信息泛滥"等问题,提出基于本体的战场航迹信息共享方法,以实现战场各个异构系统之间语义层面的信息共享。在对战场信息共享分析的基础上,提出基于本体的航迹语义模型,以实现对各个子系统之间的统一描述。最后针对战场目标跟踪的应用需求,以陆地空间战场为例说明基于本体的战场信息共享的可行性。     

基于本体的数据交换系统研究

随着Internet和Intranet技术的迅速发展,异构系统间的信息交换变得日益频繁。当前的方法大都采用对不同的XML Schema手动建立映射关系来处理语义异构的问题。当有新的企业加入的时候,该企业的XML Schema要与所有其它企业的XML Schema进行映射,很显然这种方式不利于系统的扩展。本体对知识的共享表示有助于对内容语义的精确、高效通信。采用XML作为中间文件格式,结合目前的信息共享技术,提出了一种基于XML和本体的数据交换模型。讨论了该模型的系统架构和关键技术。     

一种改进的领域本体分类算法

本体学习技术的研究目前还处于探索阶段。研究了知识生产领域中本体学习技术的应用,提出了本体学习中领域本体的分类算法。本算法同时考虑了概念之间的语义相似度与结构相关度,并以"分类量化值"作为领域本体的分类标准。实验证明,本算法较之其它相关算法更为有效。