基于本体的异构信息集成查询划分及转换

使用本体赋予信息语义能够帮助用户准确查询所需要的信息.基于本体的异构信息集成中的关键问题是如何实现全局本体概念实例查询到局域信息数据查询的变换.提出了一种本体概念实例查询的操作表示,并基于这一查询操作表示给出了将全局查询划分为局域查询的方法,局域查询结果经过集成和转换后以统一的形式返回给用户.使用该方法来查询所集成的数据来源,可以获取用户所需要的正确查询结果.     

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。     

基于本体和局部共现的查询扩展方法

将语义扩展与统计扩展相结合,提出了一种基于本体和局部共现的查询扩展方法,该方法利用本体和局部共现分别得到语义候选扩展概念集和统计候选扩展概念集,对这两个扩展集进行二次筛选以得到最终的查询扩展概念;并给出了一种计算扩展词权重的方法。实验结果表明,扩展后的查询更能反映用户的查询请求,在设计的语义检索系统中,该方法能有效提高查全率和查准率。     

网络教学平台中问答系统的关键技术研究

提出采用一种基于本体知识库,利用领域本体知识全面权衡用户查询概念的各种关联,对关键词进行相似度和相关度扩展,结合相关度与相似度的查询扩展方法,并通过本体推理机和自定义推理规则抽取答案的问答系统并应用到网络教学平台。     

基于语义相似度的个性化信息检索方法

随着网络资源的爆炸式增长以及语义网的出现,个性化检索成为当前信息检索研究的热点.提出一种基于语义相似度的个性化信息检索方法.通过分析三种传统的语义相似度计算方法,针对三种方法的优缺点,提出一种改进的基于领域本体的语义相似度计算方法,该方法将有向边权重、概念层次差以及概念属性,引用到语义相似度的计算中.并在已有的领域本体的基础上构建用户个性化模型,使用本体来存储用户兴趣,最终应用到个性化检索中.实验结果表明,该方法有效地对用户的查询请求进行概念扩充,提高了搜索的查全率与查准率.     

基于语义的成语检索系统研究

现有成语检索系统多采用关键词匹配的检索模式。为了让用户能在仅知道要表达的意思的情况下能够检索到所需成语,提出基于语义的成语检索系统。研究了成语所蕴含的概念和其间的语义关系,构建出成语领域本体,并建造相应的检索系统。该系统首先对用户的查询请求进行语法分析和语义分析,然后对成语领域本体采用基于描述逻辑的推理机进行推理,从而检索出满足用户要求的成语集。     

一种基于本体的Web服务发现框架

Web服务的大量涌现对服务发现提出了挑战.目前基于关键字和基于框架的服务发现机制,将查询结果通过一定的排序法则呈现在用户面前.但是这些发现方法查准率极其低下,已经不能很好地满足用户需要.在研究本体与Web服务的基础上,提出了一种基于本体的Web服务发现框架,该框架首先对用户的请求合约进行语义预处理,然后根据抽取的语义在服务库中发现适合Web服务,从而提高查准率.     

采用RDF的查询扩展研究

由于传统的P2P查询处理将用户查询作为独立的关键字对待,只考虑其字面符号意义而不考虑其语义。因此,用户的查询需求往往得不到真实的体现。基于本体的P2P资源匹配使用本体对网络资源进行了描述,在很大程度上反映了资源的语义,然而仍需要对查询请求进行语义扩展才适合在资源的本体中进行查询处理。使用RDF三元组描述用户请求,并扩展其语义表达能力,分析本体中概念间的上下位关系,对查询请求进行语义扩展,扩展后的查询适合于利用本体进行查询匹配。分析表明,这种扩展是有效的合理的。     

基于语义Web的搜索引擎研究

传统搜索引擎是基于关键字的检索,然而文档的关键字未必和文档有关,而相关的文档也未必显式地包含此关键字。基于语义Web的搜索引擎利用本体技术,可以很好地对关键字进行语义描述。当收到用户提交的搜索请求时,先在已经建立好的本体库的基础上对该请求进行概念推理,然后将推理结果提交给传统的搜索引擎,最终将搜索结果返回给用户。相对于传统的搜索引擎,基于语义Web的搜索引擎有效地提高了搜索的查全率和查准率。     

Pellet本体概念分类算法优化

针对Pellet1.4(简称Pellet)推理机的本体概念分类算法效率较低,为了通过减少调用ABOX推理概念间包含关系来提高分类性能,提出了一种全局标记方法.方法首先对所有节点嵌入一个二维散列mark,用于节点存储与其他节点的包含关系标记.然后在推理过程中通过ABOX的推理结果.动态修改相关节点中mark的标记信息.最后充分利用以前的推理结果所修改的标记信息来减少ABOX一致性检测次数.通过使用全局标记方法的算法替代Pellet推理机中原有概念分类算法对实际本体分类进行仿真,实验结果表明该方法可以有效地减少调用ABOX执行一致性检测次数,提高本体概念分类性能.