领域本体建模方法研究

介绍了本体的建模准则,详细分析了现有的本体建模方法,在现有的领域本体构建模式的基础上,通过借鉴其它本体的建立模式,提出了一种新的领域本体建模方法.该方法具有很强的逻辑性和可操作性,可被一些领域本体在建立时采用,所述方法用于构建高校教师本体过程中时效果非常好,体现出了该方法符合人类思维和高度可操作性的特点.     

基于事件本体的突发事件领域知识建模

基于本体的知识建模方法有很多,在某些特定领域采用传统的本体建模方法存在着一些不足。以突发事件领域为例,提出了基于事件本体的知识建模方法。该模型分为上层事件类、下层事件类和事件实例,上层事件类描述的抽象的事件的分类体系,下层事件类是通过事件类关系组成的事件格结构。该模型不仅可以描述事件的时间、地点、对象等要素,还能描述事件类之间的关系。采用本体建模工具Protégé来构建突发事件领域本体,并以“恐怖袭击”作为实例验证了该模型的可用性。研究结果表明,该模型可以清晰地描述事件类的完整性,语义清晰,扩展性强。     

面向对象有标复句本体建模*

基于面向对象方法为带标志构件的现代汉语复句子类（有标复句）建立本体模型,奠定中文信息处理复句层级的研究基础。在原有成果的基础上,利用关系标志与分句间的联系对标志构件进行句法分析,并在本体构造方法框架的指导下,用UML语言构造有标复句领域相关概念的本体模型。与已有成果相比,改进的模型能更精确、更深入地描写有标复句的特征。     

异构安全数据集成的本体建模方法研究

异构安全数据集成对安全信息共享和安全业务协同处理具有重要意义,是数据集成领域的一个重要方向。在分析异构安全数据现状的基础上,研究了现有的基于本体的数据集成建模方法和异构系统间实现安全策略的协同。通过对本体语言OWL进行安全性扩展,提出了一个异构安全数据的本体建模方法并通过实例进行了验证。     

家庭数码照片管理领域的本体建模研究*

数码相机的迅速普及对照片管理技术提出了严峻的挑战,传统的基于文本关键字的标注和检索系统已不能满足人们的需求。因此,基于语义的图像检索技术正在快速兴起,但语义知识的组织和表达问题始终未能得到有效解决。针对上述问题,提出了一种新的基于领域本体的照片管理方法。该方法的关键技术是对照片管理领域进行本体建模。实验表明了该方法的有效性。     

面向网络化制造服务的本体知识建模研究

针对目前网络化制造环境下,服务描述、发现过程中语义信息动态表达不足的问题,从Web服务的角度提出了一个基于本体的制造服务知识建模方法,并在此基础上构建制造本体模型,最后给出服务模糊匹配的评定方法。重点研究解决了制造服务过程中不同对象间的信息交流、数据交换和知识资源重用三个问题,有效地实现网络制造环境下资源共享与优化配置,为语义Web的网络协同制造服务平台的构建奠定了基础。     

一种新的本体相似度计算方法

针对目前本体映射过程中相似度计算存在的问题 ,提出了一种综合的相似度计算方法。首先判断不同本体之间是否存在相关性 ,若相关 ,则充分考虑各种相关因素 ,从语义和概念两个层面来进行比较 ;然后给出本体的综合相似度计算方法 ;最后采用两组测试数据对该方法进行实验 ,并与 GLUE系统的概率统计方法进行了实验对比。实验结果表明 ,该方法能够有效确保相似度计算的准确性。     

一种OWL本体进化方法*

针对从关系数据库模式学习所得的OWL本体大都是轻量级的,其概念层次结构过于扁平,很难被直接用于实际的本体应用,提出一种新颖的OWL本体进化方法。其通过形式概念分析对已有轻量级OWL本体进行概念聚类,根据概念等同度、概念包含度计算,自动提出丰富、修改本体概念语义关系的建议,从而辅助设计者实现本体进化。该方法将FCA与相似度计算结合使用,既发挥FCA语义强度较高的特点,又发挥相似度计算执行效率高且容易实现的特点;同时,规避了相似度计算语义强度较低与FCA实现较为困难且执行效率较低的不足。一个实例结果的评估证实     

基于形式概念分析的本体合并方法

针对现有的本体合并方法在进行合并时需要人工参与,比较费时费力,且合并结果受人为影响过大等缺点,提出了一种基于形式概念分析的本体合并方法——FCA-OntMerge(formal concept analysis based ontology merging method)。该方法首先将本体中的数据直接转化为形式背景(概念格的数据存储方式),然后利用概念格严谨和完善的数学原理进行合并,最后生成新的本体。实验结果表明,该方法能很好地解决本体异构的问题。     

从文本自动构建OWL本体的研究

随着语义检索的发展,近年来涌现了许多基于本体的研究和应用,但本体本身仍离不开领域专家手工或半自动化的构建,成为了本体研究领域的一个瓶颈。因此,本文着眼于本体的自动化构建,提出了一种用FCA(形式概念分析)从文本中提取并自动生成符合W3C标准的OWL通用本体库的方法。解决了目前本体构建自动化程度低,领域依赖性强的问题,使得本体的发展和应用不再是空中楼阁。     

本体映射中一种综合的概念相似度计算方法

本体映射是实现异构本体间互操作的有效方法,其核心环节是概念相似度的计算。针对传统概念相似度计算方法中存在的不足之处,提出了一种综合的概念相似度计算方法——DISS模型。该算法从概念定义、概念实例、概念结构三个方面计算相似度。实验证明,该算法改善了传统计算方法中存在的片面性和不完善性问题,提高了本体映射的查全率和查准率。     

粗糙本体构建的格-树转化方法

粗糙本体是处理不精确性信息的一种基础性工具,其存在形式是由粗糙概念和粗糙关系构成的树形结构。粗糙本体的具体形式因为参与构建的领域专家的不同而呈现多样性,然而同样也是由粗糙概念和粗糙关系构成的粗糙概念格却具有结构上的惟一性。粗糙本体的构建因而可以利用格和树的组成与结构的相似性,构建粗糙概念格,转化生成粗糙本体。探讨了格-树转化方法的实现步骤：构建粗糙概念格;聚类粗糙概念格中的粗糙概念生成粗糙概念树;转化粗糙概念树为粗糙本体。构建实例阐释了格-树转换方法的具体应用。     

一种基于概念格胶合的模糊本体合并方法

为了解决本体异构问题,实现本体资源的共享和重用,需要进行本体集成。本体合并是集成的一种方式。本体对概念外延和内涵揭示得不够,对概念的表达深度不够。形式概念分析可以很好地表示和处理概念以及概念之间的关系,但是在语言表达和推理等方面还很不足,因此需要将它们结合起来表达和处理知识,提高语义表达能力。提出了一种基于模糊概念格胶合的模糊本体合并方法,为模糊本体集成提供了一种新的方法。     

本体中is a层次的构建与本体集成*

首先给出了本体中isa层次的构建方法,并提出了isa层次中删除概念的算法;其次,分析了本体集成的原因,给出了本体集成的分类、三种集成方式和四条集成原则;最后,提出一种基于OWL (Web ontology language)的本体集成算法,实验证明此算法可行。     

基于大数据的产品族本体造型意象挖掘方法研究

为提升产品造型意象成族的准确性,增强感性工学研究中意象词汇提取的规范性和知识重用性。 首先从同族、泛族、异族的概念切入,对目标产品族的造型意象本体进行了定义;再借助 word2vec 工具和主 成分分析法(PCA)分别完成了对产品族意象词汇的关联性联想和降维提取,从而构建了意象词汇挖掘机制,通 过此机制可以辅助设计师利用网络大数据资源更高效、准确地进行目标产品意象的挖掘,一定程度上解决了传 统感性工学在意象挖掘方法中模糊性。最后结合意象词汇与造型特征的映射关系,利用 Protege 工具构建了产 品族造型意象的本体模型,对目标产品的造型意象知识进行了逻辑化表征,为下一代产品继承并发展原产品族 造型意象提供参考。以马自达 MX-5 车系的造型意象为例构建了本体模型,并进行了子代产品前脸的概念设计。     

基于概念集群的本体映射方法研究

本体异构是目前本体应用的一大瓶颈,而本体映射则是解决本体异构性的基础。基于概念集群的本体映射方法(CCOM)将概念间的语义结构关系引入映射过程中,用概念集群相似度代替概念相似度进行映射规则推导。实验证明本方法具有较好的查全率与查准率。     

一种综合事件本体相似度计算方法

事件本体相比于传统本体具有更加丰富的语义信息,在面向事件的大数据集成中更具优势,然而用传统的本体相似计算方法计算事件本体相似度存在很多不足,提出了一种综合的事件本体相似度计算方法。该方法以词语相似度、集合相似度、层次结构相似计算为基础,然后从事件类名称、事件类要素、事件类层次结构和非层次结构讨论事件本体的相似度,最终获得事件本体的综合相似度。实验表明该方法相比传统本体相似度计算方法准确率更高,语义信息更加丰富。     

改进的本体概念相似度计算模型

本体映射能很好地解决语义网中的本体异构性问题,其核心在于计算本体概念的相似度。针对现有的概念相似度计算的精度和查准率不高,提出一种改进的概念相似度计算模型。首先利用本体特征之间的偏序关系建立形式背景和概念格,然后在结构层次求出概念间的交不可约元集,并通过对集合里各元素的语义关系进行量化计算出概念间的相似度。实例和分析结果表明,改进的概念相似度计算模型在F-Score上有明显提高。     

基于非结构化数据的本体学习研究

语义Web的创建需要一套共同的标准概念体系,即本体（Ontology）。而现在本体的构造手段仍然是以手工构造为主,效率和准确率都非常低,很容易导致知识获取的瓶颈。近年来,自动创建领域本体可以克服手工方法的不足,成为当前的研究热点之一;本体学习是自动或半自动构建本体的一系列方法和技术。提出了一种利用知网,基于非结构化数据的特定领域概念及其之间关系的提取算法,从军事领域选取4个种子概念：舰、导弹、机和炮,并通过实验测试了该算法。