Apriori算法在政务本体构造中的应用

获取政务频繁词汇与词群是建立实用政务本体,实现政务信息资源深度开发利用的前提.提出了基于Apriori算法发现政务频繁词汇与词群的方法,并结合政务训练文档,做了相关实验.该方法首先利用典型政务文档,构造政务字典,并获取政务句子数据库.在此基础上,通过Apriori算法来发现句子数据库中的政务频繁项集和词群.     

一种基于OUS的最大频繁项集挖掘算法

分析实际应用中有效访问序列的特点,提出了一种采用自底向上策略快速挖掘最大频繁项集的OUS算法。该算法首先对用户项集进行重叠操作统计浏览次数,然后合并,依据用户给出的最小支持度删除原项集中的非频繁页面元素,并对两两用户项集筛选生成候选频繁项集,最后扫描数据库,统计各个候选频繁项集的支持度计数。实验结果表明,该算法能有效地发现用户最大频繁项集。     

基于层次关联规则的日志本体事件领域关系学习*

为发现Web 使用记录中潜在的用户访问行为,提出了一种基于层次关联规则的日志本体事件领域关系学习方法。该方法利用日志本体中复合事件与原子事件之间的整分关系确定事务粒度,将关联规则挖掘算法扩展到事件层次结构上以发现候选频繁用户使用规则,在此基础上修剪冗余和无效的规则后抽取出事件间潜在的领域关系,达到丰富日志本体的目的。最后进行仿真实验,实验结果表明了该方法的可行性和有效性。     

提高频繁项集挖掘算法效率的方法研究

提高频繁项集挖掘算法的效率是关联规则挖掘研究的一个重要内容。通过对不产生候选项频繁项集挖掘算法的分析,从子集的划分和局部频繁项集挖掘出发,提出了一种提高频繁项集挖掘算法效率的实现方法。实验表明,该方法对提高频繁项集挖掘算法的效率是有效的。     

一种交互式本体除错方法

在本体设计过程中容易出现逻辑错误,利用现有本体除错工具难以诊断并修正此类错误。针对该问题提出一种新的交互式本体除错方法。通过分析unsatisfiable concept自动生成相关问题,基于用户对问题的回答自动修复错误本体。实验结果表明,该方法能利用少量问题实现修复目的。     

数据流最大频繁项挖掘方法

提出基于事务矩阵挖掘最大频繁项集的方法AFMI,该方法采取迭代精简事务矩阵的方式求解所有事务中的最大频繁项集,从精简后的事务向量交集的子集中搜索最大频繁项集,并运用逻辑运算和剪枝方法提高挖掘效率。基于AFMI方法,研究挖掘滑动窗口数据流最大频繁项集算法AFMI+,该算法可使用户周期性地挖掘当前窗口中的最大频繁项集。实验结果表明,AFMI和AFMI+算法均具有较好的性能。     

基于本体的旅游资源二次推荐方法研究

为降低用户寻找旅游资源时的负担,更好地处理用户的需求和偏好,从用户角度出发,提出了一种基于本体的二次推荐方法。该方法引入本体来描述旅游资源,实现了用户的直接需求及偏好兴趣信息与推荐中过滤条件的关联,用户可对推荐结果进行评价。理论分析和实验表明,该方法可行,推荐结果能够覆盖绝大部分用户的选择,具有较好的效果。     

基于用户行为的启发式本体搜索机制

为了能够以较高的准确率搜索到用户所需要的领域本体,在分析本体搜索需求和研究用户搜索行为的基础上,提出了一种基于用户行为的启发式本体搜索机制,利用不同用户由于领域认知不同,输入的具有领域共性的搜索关键词不同,实现用户搜索关键词的启发式扩展和搜索匹配度的提高。实验表明,使用该方法执行本体搜索具有较高的准确率和召回率。     

基于描述逻辑的本体进化框架

以描述逻辑作为本体标准语言的理论基础,研究本体进化的概念和目的,提出一种本体进化框架,并在此基础上探讨本体进化过程和本体进化实现技术,包括本体变化操作语法与语义以及本体变化执行算法。通过图书本体实验平台验证了本体进化框架以及本体变化执行算法的可行性。     

一种自适应语义Web检索方法

基于内容的语义Web检索只考虑内容本身,没有考虑用户的不同,不能准确反映用户需求。为此,提出一个自适应语义Web检索框架,对于Web中文文档,借助HowNet知识库给出一种本体学习方法,通过提取用户客观、显式和隐式信息建立用户信息库,并设计用户初始查询本体和个性化查询本体构建算法,从而实现用户的自适应检索。实验结果表明,该方法具有较高的检索效率。     

基于本体论的语义建模研究

本体(Ontology)是下一代互联网(SemanticWeb)的基础,OWL语言是W3C组织定义的本体描述语言。鉴于当前互联网的规模越来越庞大,如何准确快速地获取信息正变得至关重要,而基于本体论的语义模型为信息的表示、交换和处理提供了一个较为合理的标准,从而使得网上信息的完全共享成为可能。文中阐述了本体的概念,重点探讨了基于本体论的语义建模方法和OWL语言对本体表示的支持,并且具体给出了一个基于OWL语言的建模实例。     

基于本体的Web分类技术研究

主要提出了一种基于本体的抽象的Web挖掘模型。首先利用本体的方法表示出要挖掘的领域,然后把从用户处收集来的数据转换成表格;最后再根据定义和公式来进行知识发现。抽象的Web挖掘模型可以提取出语义Web中隐藏在大量信息背后的近似概念,来实现知识发现。     

基于匿名消息广播的电子选举方案

针对目前基于语义网的本体映射算法中背景本体搜索面少、本体收集不精确的问题,利用基于虚拟文档的映射技术提取在Word-Net中与概念同义的同义词集,将对单个概念进行搜索转换成对同义概念集进行搜索,从而扩大本体搜索面,获取更多背景本体.提出基于语义环境的动态本体映射算法来排除错误背景本体,使本体收集更加精确.实验结果表明,该算法可有效提高映射的查全率和查准率.     

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。     

一种基于语义网的本体映射改进算法

针对目前基于语义网的本体映射算法中背景本体搜索面少、本体收集不精确的问题,利用基于虚拟文档的映射技术提取在Word—Net中与概念同义的同义词集,将对单个概念进行搜索转换成对同义概念集进行搜索,从而扩大本体搜索面,获取更多背景本体。提出基于语义环境的动态本体映射算法来排除错误背景本体,使本体收集更加精确。实验结果表明,该算法可有效提高映射的查全率和查准率。     

基于本体的信息集成技术研究

随着语义网技术的飞速发展,本体起了越来越重要的作用。在信息集成的过程中,本体作为一种工具解决了分布式异构信息源的语义异构问题,实现了信息源语义上的互操作。该文介绍了一种基于混合本体的信息集成方法,通过全局本体和局部本体之间的映射,向用户提供获取数据的统一接口,使用户获得语义上相关的数据。     

基于语义主题相似度的Web教育资源查询方法

针对传统Web教育主体难以获得高可用教育资源的问题,提出了一种面向语义主题相似度的Web教育资源查询方法。该方法建立了本体概念语义网络（Ontology Concept Semantic Network,OCSN）,在此基础上,设计了基于语义主题相似度匹配的概念检索方法：在检索前主动将教育资源根据其语义和主题组织到本体概念语义网络中,然后建立一个基于语义特性的Web教育资源发现的垂直搜索引擎,并通过构造满足条件的相似度函数,将对应的语义距离映射为相似度,有效地提高了查询效率。实验结果表明此方法能够提高Web教育资源的查准率和查全率。     

一种关系数据库到本体的自动构建方法

随着语义网的发展,对本体的需要也越来越大。但是目前大多数的数据被存储在关系数据库中,这些数据不能被语义网应用程序所访问。因此如何将关系数据中的数据转化为可以被语义网应用的数据,是一个需要解决的问题。针对上述问题,提出了一种从数据库自动地构建OWL本体的方法。该方法把本体构建过程分为语义信息的发现和本体映射两个部分。并且定义了一种图M-Graph,通过M-Graph的生成与分析,结合映射规则自动地构建OWL本体。实验验证,该方法可自动地由关系数据库构建OWL本体,并且可以得到相对丰富和准确的本体。     

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。