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。     

基于奇异值分解的中文Ontology自动学习技术

语义Web是一个美好的构想，Ontology在语义Web中起着举足轻重的作用，它不仅能为人类用户而且能为软件agent提供从语法层次到语义层次上的互操作性。目前Web上主要是各种布局的HTML文档，未来的语义Web页面将是各种领域Ontology的实例以及到其它实例上的链接，因此语义Web的成功强烈依赖于Ontology的增殖，方便快捷地构造各领城Ontology是实现语义Web的关健。该文提出一种基于奇异值分解的中文Ontology自动学习技术，这种技术的特点是其简易性以及准确的数学理论基础。     

基于语义的网格服务匹配研究*

随着网格技术的发展,网格服务匹配成为了新的研究热点。服务匹配是有效提高网格资源利用的关键技术。分析了服务匹配中广泛存在的服务提供方与服务请求方往往无法做到事先沟通的原因,提出了将语义引入服务描述语言以及服务匹配算法的基于语义的网格服务匹配技术,并结合服务匹配的具体应用,提出了相应的解决方案。     

基于Ontology的汉语时间语义分析

介绍了Ontology的基本概念及结构，提出了一个基于Ontology的汉语时间语义分析的基本模型，并介绍了Ontology在模型中的作用及其与词典相结合后，提取文本中的时间短语并进行分析的方法。     

基于语义的网格服务优化匹配

为了能够在分布、动态、复杂的网格资源查找过程中做到高效率、高精度的匹配,该文对语义Web技术和匹配算法进行了改进。在本体描述方面,针对网格特性对OWL-S进行了扩充,引入了网格服务的语义表示形式,使得Agent可以参与进来。在基于语义的服务匹配方面,定义了服务发布和请求条件的领域限定并在领域内进行服务匹配,设计了一种基于语义的网格服务匹配框架,给出了该框架的结构图,并分析说明了其中关键部件的功能和特点。该框架的正确合理性经原型实现得到了证明。     

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Ontology的网络教育资源语义检索模型研究

针对传统网络教育资源检索中存在的问题,提出了基于Ontology的网络教育资源语义检索模型,详细论述了模型的实现机制。给出了一套有效的语义检索模型实现方案,从而为语义检索原型系统的开发提供理论和技术支持。     

基于模糊匹配的语义网格服务发现

匹配是网格服务动态发现和集成的关键问题。针对“网格服务发现”对服务低层数据抽象和分类不足的问题,该文给出了一种基于语义的模糊匹配网格服务发现框架算法。仿真实验结果表明,该算法提高了服务发现的查全率和查准率。     

基于语义网格的E-Learning平台研究

E-Learning是信息时代重要的学习方式,它旨在打破时间和空间的限制,支持大规模范围的资源共享和学习协作,提供个性化和自适应的学习环境.在分析语义Web和网格计算对E-Learning开发的支持作用的基础上,提出了基于语义网格的E-Learning平台体系结构框架,面向服务的语义网格中间件是核心.对提出的E-Learning平台体系结构框架的层次结构进行了分析,描述了各层的功能划分和组成,最后探讨了通用E-Learning平台的组件化构建策略.     

基于语义网格门户的用户语义模型研究

现有的网格门户不能较好地满足用户的个性化的需求,对用户需求的缺乏语义描述,也没有资源的语义描述,不能很好满足用户需求的动态变化.网格门户能通过语义网技术来增强信息共享和社区用户交互.本文在域管理模型的基础上提出了语义社区概念,并以域服务器为基础构建具备用户语义模型的语义网格门户,用任务本体替换作业说明书改进任务调度.     

一种基于特征信息组合的本体匹配流程

在串行和并行的多策略本体匹配流程中,存在重复计算、匹配效率不高和多个相似度矩阵难以聚合等问题。为此,提出一种基于本体特征信息组合的混合多策略本体匹配流程。利用本体的名称、注释、实例等元素级信息进行初始匹配,并直接确定一部分实体的匹配关系,对于无法确定匹配关系的实体,则再利用本体的内外部结构特征迭代计算其相似度进行判断。实验结果证明,该方法能有效减少匹配的计算量,同时特定信息的组合能保证匹配准确度,具有较好的匹配效果和效率。     

面向知识网格的本体学习研究

网格计算正在从单纯的面向大型计算的分布式资源共享发展为一种面向服务的架构,以实现透明而可靠的分布式系统集成。网格智能是指如何获取、预处理、表示和集成不同层次的网格服务(如HTML/XML/RDF/OWL文档、服务响应时间和服务质量等)的数据和信息,并最终转换为有用的智能(知识)。因为高层知识将在未来的网格应用起到越来越重要的作用,本体是知识网格实现的关键。文章提出了一种实现从Web文档中本体(半)自动构建的本体学习框架WebOntLearn,并讨论了本体学习中领域概念的抽取、概念之间关系的抽取和分类体系的自动构建等关键技术。     

基于本体概念相似度的语义Web服务匹配算法

通过定义本体中概念之间的语义距离来计算本体概念之间的相似度,提出一种基于该相似度的Web服务的精确匹配算法,新的算法与经典的OWL-S/UDDI匹配算法比较,不仅在等级上保持一致,而且使同一等级或不同等级之间的服务匹配都达到精确的程度。用GEIS系统中Web服务的数据进行两种算法的性能测试,得出相似度匹配算法的平均查准率是OWL-S/UDDI匹配算法的1.8倍,平均查准率是OWL-S/UDDI匹配算法的1.4倍。     

基于多属性的本体实例匹配算法

提出一种基于多属性的本体实例匹配算法,利用关键性属性获得待匹配本体实例间的相似度,使用Similarity Flooding算法,依据由对象属性构成的有向图对实例间的相似度进行修正,并获得初始匹配结果,根据必要性属性过滤初始匹配中的错误匹配。实验结果表明,该算法可提高本体实例匹配的查准率与查全率。     

基于Top-k映射的本体匹配方法

针对本体之间的异构问题,提出一种基于Top-k映射的本体匹配方法。该方法是对现有匹配方法的一种扩展,它以相似度计算为基础,从元素级和结构级计算2个概念之间的相似度,并在匹配过程中同时产生k个映射而不是一个最佳映射。实验结果表明,该算法在查全率和查准率方面都有很好的表现,并且其查准率要优于GLUE方法。     

基于多策略本体构建方法研究

针对手工构建本体工作量大、效率低以及更新维护困难等问题,文章提出了一种中文环境下多策略本体学习方法。使用统计分析和语义关联抽取术语,并利用构词模式发现分类关系,针对不同类型的非分类关系,分别采用句法模式、统计方法和基于规则方法,从而解决了现有本体学习方法对词典依赖性、处理中文效果差等问题。实验结果表明,该方法有较好地有效性和稳定性。     

Web服务匹配系统中的语义描述

在分布式计算环境下,Web服务发现和服务匹配技术直接关系到全球网络信息资源获取和信息的有效利用.传统的Web服务匹配和发现过程是基于UDDI并在语法级实现的.因而服务匹配模型没有涉及到语义,鉴于语义在智能匹配系统中所起的作用,本文从语义匹配的角度着重分析服务匹配系统中存在的数据语义、功能语义和服务质量语义.