语义Web中的本体推理研究

从语义Web的基本概念开始，介绍了语义Web的层次结构；介绍了本体的基本概念以及用于本体描述的几种语言。用W3C推荐的本体描述语言OWL描述了一个本体实例，通过此实例对本体推理在本体建立中的冲突消解、描述优化、本体的合并和实例归类中的应用进行了研究，说明了本体推理在本体建立及本体应用中的作用。本体技术是语义Web的核心技术，所以建立和维护本体是语义Web中的主要工作之一，而基于本体的推理可以帮助建立和维护本体。     

互联网Ontology语言和推理的比较和分析

本文从描述逻辑和语义互联网两个角度比较和分析几种Web本体描述语言(RDF／RDFS、DAML OIL和OWL)的表达力和相关的推理，介绍它们的不同应用。然后总结出推理的分类，说明推理在本体建设、维护和应用中的作用。     

面向语义Web的领域本体表示、推理与集成研究

语义Web的基础之一是本体,为了让机器能够理解Web的内容并做推理,需要建立本体,并利用本体中定义的术语作为元数据来标记Web的内容．阐明了本体和领域本体的关系;介绍了现有面向语义Web的本体语言的概况;根据表达能力和推理效率的综合权衡,选择OWL Lite作为本体语言;提出了一种面向语义Web的领域本体表示、推理方法DORRSW和一种面向语义Web的多领域本体集成方法MDOISW;最后给出应用实例来说明方法的应用．通过这些论述,阐明面向语义Web的领域本体表示、推理与集成的基本情况,从而为创建面向语义Web的本体提供了基础知识．     

基于SWRL本体推理研究

随着语义Web的兴起,本体技术已成为计算机学科中的一个研究热点。在分析本体、Web本体语言OWL和语义网规则描述语言SWRL的概念和特点的基础上,利用MPEG-7标准中的视觉描述子来描述图像的特征,采用本体建立图像的语义特征,将SWRL引入图像情感识别领域,利用SWRL构建推理规则。通过建立图像的本体信息和推理规则,并用规则推理出本体中隐含的信息,实现图像情感识别,使计算机具有一定的情感推理能力。     

基于本体DL的语义推理研究

随着Internet的迅速发展,语义Web作为新一代Web正倍受关注,因为语义表述与推理是语义网需要解决的关键问题。为了解决这一问题,文中在概述了本体语言、描述逻辑的概念和描述逻辑的原理的基础上,提出了一种新的方法：让本体表示语言与描述逻辑相结合,从而为语义推理的合理性和有效性提供了保证。文中重点介绍了通过对基于本体DL的语义推理机制进行阐述分析,较详细地探讨了在本体构建过程中,运用基于描述逻辑的语义推理进行一致性判定和相容性判定的重要性和实现技术,并以果品领域的本体构建为例,对构建过程中的推理判定进行了验证。     

基于语义Web的本体及本体映射研究概述

本体在语义Web中具有重要的地位,是解决语义层次上Web信息共享和交换的基础.文中介绍了本体的基本概念、描述语言及其在语义Web中的应用、本体映射的基本知识并综述了相关本体映射工程中的具体思想和方法.     

Ontology在Semantic Web Services中的应用综述

介绍了Web Services的基本原理和Ontology的基本概念。基于这两种技术的结合,简单描述了多种基于本体的Web语言的发展,并重点阐述其中的OWL语言及其在Web Services中应用OWL-S的主要内容。最后介绍本体在语义Web服务中的一些拓展性的应用。     

基于语义Web的本体及本体映射研究概述

本体在语义Web中具有重要的地位，是解决语义层次上Web信息共享和交换的基础。文中介绍了本体的基本概念、描述语言及其在语义Web中的应用、本体映射的基本知识并综述了相关本体映射工程中的具体思想和方法。     

基于本体的知识库推理研究

本体的应用是第二代语义Web的重要内容。利用本体构建知识库,进行逻辑判定,实现语义Web的自动推理,描述逻辑的作用十分重要。就知识库的本体描述以及在此基础上利用描述逻辑从不同角度的推理进行了研究,并分析了其内在联系。     

基于本体的语义Web研究

语义Web与本体的关系极为特殊,本体在语义Web本身的体系结构中扮演着极为重要的角色,同时,位于语义Web体系结构的其它层的XML、RDF(S)等与本体也有着千丝万缕的联系。为阐述两者的关系,探讨基于本体的语义Web的特点及应用,介绍了本体和语义Web的产生和发展,在此基础上对基于本体的语义Web进行研究,重点分析了本体在描述语义方面弥补了XML、RDF(S)等的不足,并结合Web服务检索的实例介绍了本体在Web服务上的应用。     

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。     

基于结构化信息源的本体构建方法综述

作为一种能够在语义层和知识层上描述信息系统的概念建模工具,本体在许多领域得到了广泛应用。由于本体的构建和维护工作费时费力,本体的构建方法研究成为了实现语义Web应用的最重要技术。综述了从不同的结构化信息源(数据库、XML文档以及Web表格)构建本体的方法,进行了详细分析与对比,并给出其存在的不足之处以及未来可能的研究方向。     

Possible Ontologies: How Reality Constrains the Development of Relevant Ontologies

For years, ontologies have been known in computer science as consensual models of domains of discourse, usually implemented as formal definitions of the relevant conceptual entities. Researchers have written much about the potential benefits of using them, and most of us regard ontologies as central building blocks of the semantic Web and other semantic systems. Unfortunately, the number and quality of actual, "non-toy" ontologies available on the Web today is remarkably low. This implies that the semantic Web community has yet to build practically useful ontologies for a lot of relevant domains in order to make the semantic Web a reality. Theoretically minded advocates often assume that the lack of ontologies is because the "stupid business people haven't realized ontologies' enormous benefits." As a liberal market economist, the author assumes that humans can generally figure out what's best for their well-being, at least in the long run, and that they act accordingly. In other words, the fact that people haven't yet created as many useful ontologies as the ontology research community would like might indicate either unresolved technical limitations or the existence of sound rationales for why individuals refrain from building them - or both. Indeed, several social and technical difficulties exist that put a brake on developing and eventually constrain the space of possible ontologies     

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.     

一种有效的本体排序算法MIDSRank

本体已经在很多的领域中得到了广泛的应用,网络上的本体也越来越多,为了节约本体构建的成本避免从头构建本体,人们经常首先从网络上获取候选者,然后再以此为基础构建自己的本体.而随之而来的本体排序问题则成为一个研究热点.通过对现有本体排序算法的总结与分析,将现有本体排序算法划分为两大类,分别阐述了其基本思想以及存在的问题.然后,提出了一种经过改进的本体排序方法,该方法结合了原有方法的优点并提高了本体搜索的质量.最后讨论了未来研究的方向和注意事项.     

Identification and resolution of conflicts during ontological integration using rules

Abstract: Integration of ontologies of information sources and consumers is an important phase in achieving web‐based interoperability. The present work describes an approach for identifying certain semantic conflicts while integrating ontologies of heterogeneous information sources. This paper is focused on the identification of homonymy and synonymy between elements in ontologies. In the present work the concepts of homonymy and synonymy are synonymous to naming conflicts and entity identifier conflicts, respectively, and partial synonymy is synonymous to schema isomorphism conflicts. The concept of the mask of interoperability is introduced for the identification of synonymy. The mask of interoperability is expressed in a declarative way as a set of rules, which can then be used for resolution of conflicts during integration of ontologies. As proof of concept, ontologies are implemented using the XML‐based ontology language Ontology Web Language (OWL), and the rules are implemented using the emerging rule language Semantic Web Rule Language (SWRL). This representation in OWL and SWRL allows the ontology to be executable, flexibly extendable and platform‐independent. The OWL facts and SWRL rules are used by the Jess and Bossam reasoning engine to identify semantic homonymy and synonymy.     

一种面向语义网服务的本体映射框架*

本体的异构性阻碍了语义网服务的互操作。从解决语义网服务中本体的异构问题出发,同时考虑到目前的本体映射系统大多效率不高、映射结果不够准确的问题,提出了一种适用于语义网服务的本体映射方法及系统框架。该方法利用机器学习技术来提高本体映射的自动化程度,利用综合评判技术修正映射结果,以提高本体映射的准确率。采用OAEI 2007的基准测试数据集benchmarks进行实验测试,结果表明本系统的性能基本达到预期效果,能够有效地解决语义网服务中的本体异构问题。     

语义Web中的本体匹配研究

随着本体应用的快速发展,本体数量大幅增长,这些本体描述的内容存在重复和关联,但在本体模式上却表现各异。本体匹配旨在识别异构本体中存在语义关联的实体,并建立它们之间匹配关系。它对于消除本体异构、实现本体集成和数据融合等具有重要作用。形式化定义了语义Web中的本体匹配问题,并从本体匹配方法、本体匹配挑战和本体匹配原型系统3个方面调研了最新研究进展,旨在为进一步研究指明方向。     

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。