跨语言信息检索中的最关联英文语义翻译选取

针对跨语言信息检索中关联英文翻译的选择准确度不高的问题,提出一种基于最关联语义本体模型匹配的跨语言信息检索英文翻译选取方法。首先构建跨语言信息检索中最关联英文语义的本体结构模型,采用语义指向性信息索引方法进行英文翻译的上下文语义映射;然后根据语义本体之间的词语知识和本体片段映射方法进行英文语义翻译的特征提取,实现最关联英文语义翻译选取;最后进行实验测试分析。结果表明,采用该方法进行跨语言信息检索,英文语义翻译选取的召回性能较好,查全率、查准率较高。     

基于本体和Lucene的语义检索模型设计与实现

基于本体的语义检索利用本体构建概念空间,可以处理概念之间的关系,具有语义处理能力.基于本体的语义检索符合人类的思维习惯,并且克服传统检索方法造成的信息冗余或信息丢失的缺点,其查询效果更为合理.这里结合本体和Lucene,设计并实现一个语义检索模型,与传统的全文检索系统进行比对分析,说明了其有效性和可行性.     

一种结构化数据源的语义建模方法

结构化数据源语义模型的建立,有助于建立和扩充知识图。面对爆炸式增长的数据,需要一种可以为新的结构化数据源提供更高效更精准的建模方法。在新数据源对应领域本体知识和旧的语义模型基础之上,建立一种更合理的结构化数据源建模的方法,并且该语义模型的建模方法是可扩展的,即利用该领域本体知识和已知的语义模型来构建一个加权图,将该领域新的结构化数据源与领域本体之间建立映射,来为新的数据源创建更为合理的语义模型。     

基于本体的决策问题语义理解及精炼方法

理解复杂决策问题的关键在于使决策问题所包含的领域、目标、状态、结构等信息被系统所“读懂”.本文利用本体表达语义,实现了问题语义关系表示和语义计算.在保持理解结果不变的原则上,本文提出利用语义迭代方法将计算机无法理解的问题语义转化为可完全理解的语义.本文给出了语义精炼方法并形成最优闭合问题空间,在结构复杂度和内容复杂度两方面具有最低复杂度.实验分析表明,本文提出的复杂决策问题语义理解方法是有效的.     

基于本体的语义Web服务注册平台研究

提出了一种基于本体的语义Web服务注册模型,结合Jena实现语义Web服务的语义查询和推理.应用元模型互操作框架(MFI)中的本体注册元模型标准,以实现与其他注册模型的语义互操作,并给出了一个基于该模型的语义Web服务注册平台.     

一种基于QoS的语义Web服务本体模型

语义Web服务是结合语义Web和Web服务两方面技术的一门新的研究课题.文中利用语义网的本体技术,在综合考虑为用户选择提供最佳服务和添加语义描述的基础上,分析设计了一种基于Oos的语义Web服务本体模型,并针对票务服务领域进行了实例设计和语义描述.     

云环境下的语义本体构建及其在语义检索中的应用

随着云技术的广泛应用,云环境下的语义检索也逐渐成为重要的研究内容,而语义本体构建是首先需要解决的问题.本文首先提出了一种基于相似度计算的数据部署策略,综合考虑了概念之间的结构相似度和语义相似度,将对象数据最优化的部署到不同的虚拟机分别构建语义本体,并给出了相应的语义检索算法.     

基于语义网的供需网知识协同研究

为满足应用程序基于知识的互操作,支持供需网协同工作,针对现有供需网协同缺乏语义支持的问题,提出了一个基于语义网的供需网知识协同框架和层次体系结构,设计了一个供需网本体转换模型,并对模型中本体实例生成算法的局部本体映射和多种相似度度量方法计算语义相似度、小波网络修正权值的全局本体映射进行了重点讨论.     

基于语义的自然语言理解研究

机器要完全智能化,自然语言理解是基础,其中语义是最突出的问题.语义分析方法的选择,对于处理各类不同的语料有着十分重要的作用.介绍语义分析理论,并重点分析语义网络、袼语法、概念从属理论和本体等语义分析方法;提出在选择语义知识表示方法时应遵循的原则;最后,分析基于语义的自然语言理解的重要性及发展趋势.     

基于本体的语义查询系统模型

由于网络的快速发展,人们每天被大量的信息包围。如何从中找出有价值的信息成为急需解决的问题。而现在大多数搜索引擎采用的是关键词匹配的方式,无法从语义的层面上理解用户的需求,导致查不准和查不全的情况,最终不能满足用户的需求。提出了基于本体的语义查询系统模型,通过本体来组织知识,让计算机能读懂查询条件,同时用wordnet来辅助查询,从而提高信息的查准率和查全率。还提出借助wordnet实现本体自我完善的方法,并增加了关键词快速查找表来加快查询的速度。     

Performance improvement for recommender systems using ontology

Recommender systems have emerged in the e-commerce domain and have been developed to actively recommend appropriate items to online users. The use of recently developed hybrid recommendation systems has helped overcome the main drawbacks of Content-Based Filtering (CBF) and Collaborative Filtering (CF). In hybrid recommendation systems that combine CF and CBF, the CF part uses two methods, including memory- and model-based approaches. Both approaches have some advantages and disadvantages for item recommendation. Sparsity has been one of the main difficulties associated with these approaches, whereas recommendation with high accuracy has been one of the important advantages of the memory-based approach. However, this approach is not scalable for current recommendation systems as their databases include huge numbers of items and users. In contrast, the model-based approach generates recommendations with low accuracy but is scalable for large databases in e-commerce recommender systems. Accordingly, to address this problem and take advantage of both approaches, in this work, we propose a new hybrid recommendation method and evaluate it using a real-world dataset. The aim is to improve efficiency and accuracy by designing a heuristic hybrid recommender method that combines memory-based and model-based approaches. Specifically, we use ontology in the CF part and improve ontology structure by eliminating uniformity of edges of the hierarchical relation between concepts (IS-A relation) in item ontology in the CBF part. Ontology structure is considered for improving accuracy; according to this, a new method for measuring semantic similarity that is more accurate than the traditional methods is presented. This new method can enhance the accuracy of CF and CBF in our method. In addition, the number of searches required to find similar clusters and neighbor users of the target user is decreased significantly using ontology, enhanced clustering and the new proposed algorithm. We evaluate the proposed method using a real-world dataset. The experimental results show that our method is more scalable and accurate than the benchmark k-Nearest Neighbor (k-NN) and model-based recommendation methods.     

基于医学本体的语义相似度算法研究

基于本体的信息检索技术能够提高在复杂环境中的信息检索效率,而语义相似度计算是基于本体的信息检索技术的关键技术。在医疗领域本体的基础上,通过分析讨论了概念间的语义相似度与相关度,并对概念间的语义相似度与相关度的影响因素进行研究,提出了一种计算医疗概念间的语义相似度及相关度的数值,并得到两者综合值的计算模型。实验结果表明,该模型能够提高相似度数值的有效性,并通过对相似度数值的计算体现出医疗领域概念间的复杂关系。     

模糊本体及其演化研究

本体是共享概念模型的规范说明,但以往的描述方法不能表示资源间关系的模糊性及其演化.针对这一问题,引入了模糊本体的概念并给出了形式化的描述,用模糊资源描述框架(FRDF)对模糊本体进行表示,提出了一种模糊本体演化算法,并用实验进行了验证.     

面向对象的本体创建方法

针对目前语义网中的本体缺少有效和统一的方法,在综合传统的构建本体方法的基础上,将面向对象的思想引入了领域本体的构建过程中,提出了一种构建本体的新方法——面向对象构建法,分别将类和层次关系映射成本体体系中的Class及层次关系,将类之间的关系映射成本体体系中的关系,将类的属性映射到本体体系中类的Property.并将其与检索系统的应用结合起来,实践证明,该方法易学、易用,减少了领域专家的参与,减少了开发系统的工作量,并且使得本体的半自动和自动构建问题成为可能.     

基于模式结构分类的本体映射方法

本体映射是语义集成的关键技术,本文基于本体的模式结构提出了一种自顶向下的本体映射方法,该方法在考虑四种基本映射关系并假定所有映射关系均为1:1的情况下,首先将本体描述为图,并将本体中的每个概念都定义为树,在此基础上给出了树中叶节点、非叶节点相似度的计算方法,通过概念分类将子树进一步合并,根据分类的结果重新组织图结构,最...     

本体框架的研究

本体作为领域共享的形式化概念模型,是解决领域内语义异构,实现服务自动化以及服务互操作的有效手段,其中本体互操作是多本体环境下实现跨本体服务发现的基础,针对现有本体互操作方法依赖于标示语言和逻辑系统,缺乏统一的逻辑基础的问题,从范畴论的角度出发,利用范畴论的相关概念提出了一个与语言和逻辑无关的本体集成框架,使得系统可以在不考虑语言的基础上研究本体集成和互操作。     

中国数字无绳电话（CDCT）系统

“中国数字无绳电话(CDCT)系统”是根据中国国情,并参考欧洲数字无绳电话(DECT)标准开发的国家“863”高科技通信项目。本文介绍了该系统的技术背景、性能、构成以及采用的技术标准。     

扩展结构包含推理算法的本体匹配

为了匹配本体时直接分析构造器和公理中所蕴含的语义信息,提出一种扩展结构包含推理算法的本体匹配方法以解决该问题。首先将本体中实体重定向为范式,使得被蕴含的语义信息明显地表示,然后比较范式之间的句法结构以推理来自不同本体的实体间的匹配。针对一组工业本体的测试结果表明该方法具有较好的性能。     

基于关系数据库的大规模网络本体存储与查询研究

针对互联网中大规模本体的有效存储和无缝访问的问题,结合OWL本体语言的成分与组织特点,提出了一种易于理解且结构稳定的关系数据库（RDB）模式,利用RDB对大规模的互联网本体进行存储.在此基础上,利用动态生成的RDB视图将标准的本体查询解释为SQL查询,在保持标准本体查询的灵活性和丰富性的同时,使基于RDB的本体数据存储相对于上层的面向本体互联网应用保持透明.