一种基于模糊聚类的模糊本体生成方法

本文研究了一种从模糊背景生成模糊本体的方法。模糊本体由以下几部分组成,分别是：模糊形式概念分析、模糊概念聚类及模糊本体生成。首先,模糊形式概念分析将模糊逻辑嵌入形式概念分析以构成模糊概念格。其次,模糊概念聚类从模糊概念格构造概念层次。最后,模糊本体生成部分从概念层次生成模糊本体。     

基于文本集的中文本体学习

本文探讨了如何利用领域文本集来自动构建领域本体的技术,以辅助知识工程师方便快捷地构建领域本体.文中提出一种利用概念之间的语义相似度,通过蚁群聚类算法对概念集进行聚类,最后利用知网的义原层次结构抽取分类关系的算法,通过非对称簇分析函数评价概念间的关联度,以提取非分类关系,最终生成领域本体.实验证明了该本体学习系统的有效性.     

面向供需网协同管理的企业知识建模研究*

为了在供需网环境下实现企业知识的协同管理,提出了供需网企业知识本体(SDNKO)的概念,根据SDNKO的多粒度特性,将SDNKO的概念空间划分为元概念层、领域模型层和应用实例层。在分析元概念类的层次结构和概念类的关联集后,针对电梯行业领域的企业知识本体概念空间进行了详细的说明。为表达供需网的协同知识语义,阐述了SDNKO概念框架的巴科斯范式和文档类型定义。最后,给出了供需网企业产品订单生成的知识协同管理实例。     

基于本体的海军军械保障元数据构建方法研究

将本体与与元数据结合,研究基于本体的海军军械保障元数据模型构建方法,此方法可用于组织、编辑和查询海军军械保障领域的元数据信息,能够描述海军军械保障领域各相关概念以及概念之间关系的知识,提高海军军械保障数据资源的发现能力。     

大本体的分块与映射方法研究

在本体的映射研究中,现实本体或大本体之间的映射算法是研究的难点。该文提出一种针对大层次本体的映射方法。根据本体的结构和概念之间的语义距离,应用向量空间模式（VSM）将概念表示成多维空间中的点。在此基础上,应用聚类算法（CURD）对概念进行聚类,形成若干个语义上相对独立的块,在2个本体的块之间根据参考点建立映射关系。实验结果表明,该方法在测试数据集上能得到较好的映射结果     

新闻社区领域本体构建研究

针对新闻社区领域知识的特点,以新闻社区领域知识的网络应用为目的,根据新闻社区领域本体总体构建流程,采用半自动化构建本体的方法,以通用本体WordNet及ODP开放式目录中不同层次的新闻主题分类为基础,按照媒体流程展开本体概念结构,构建了面向新闻网站应用的新闻社区领域顶层和中层本体模型。利用本体构建工具Protégé4.1开发了新闻社区领域本体。     

基于本体及相似度的文本聚类研究*

为了改善文本聚类的质量,得到满意的聚类结果,针对文本聚类忽略概念的内涵及缺少概念间的联系,设计和改进了基于本体和相似度的文本聚类方法TCBOS(text clustering based on ontology and similarity)。研究了文本预处理及分词的方法,设计了用有限状态自动机来自动提取概念和关系的方法,对概念语义扩展和相似度计算方法进行了改进和完善,通过应用本体的语义相似度来度量文档间相近程度,完善了根据相似度进行文本聚类的K中心点算法。实验证明,该方法从聚类的准确性和聚类的关联度方     

基于文献的农业领域本体自动构建方法研究

农业领域本体的构建将为农业垂直搜索引擎提供知识组织基础。在对本体构建技术进行深入研究的基础上,设计实现基于文献的农业领域本体构建方法。使用Web数据抽取技术获取农业文献,通过对文献分词和清洗,自动提取领域概念,并用关联分析和改进的层次聚类发现领域概念间关系,构建农业领域本体。通过实验验证,该方法提高了领域概念间关系聚类效果和领域本体构建效果。最后加以应用实施,实现了基于本体的农业垂直搜索引擎。     

The Research and Implement of Metadata Ontology＇s Construction Based on Meteorological Data Sets

文章在介绍气象数据集特征的基础上,运用面向对象的方法对气象数据集元数据进行对象化,提出了包括元数据类、数据集标识信息类等10个元数据类和表示元数据元素域的代码表类的构建方法,并在元数据类的基础上运用本体的构建方法构建了元数据本体,最后利用元数据本体进行语义推理并对文章的工作进行总结。     

基于聚类优化的Web服务发现方法

针对语义Web服务发现效率低下的问题,提出一种基于图论聚类的服务发现方法。利用领域本体将Web服务形式化为领域概念的集合,根据概念间的关系计算服务间的相似度并构建用于标识服务的加权图,通过最小生成树算法对服务进行聚类,从而实现服务发现。实验结果证明,该方法有效减少了服务发现的匹配次数,提高了服务发现效率。     

基于多本体语义相似度计算的对等网资源动态匹配方法研究

在基于对等网的网格环境中,应用本体来描述资源元数据已经成为当今研究的趋势.不同结点可能采用不同的本体来描述各自管理的资源元数据.如何提高这种环境下动态资源发现的效率是急需研究的问题.本文在形式化描述结点本体结构和元数据模型结构的基础上,提出了一种精确匹配与模糊匹配相结合、本体语义相似性匹配和资源实例特征匹配相结合的综合资源匹配方法,来提高非集中环境下资源匹配的灵活性和精确性.     

Ontology extraction from relational database: Concept hierarchy as background knowledge

Relational Database (RDB) has been widely used as the back-end database of information system. Contains a wealth of high-quality information, RDB provides conceptual model and metadata needed in the ontology construction. However, most of the existing ontology building approaches convert RDB schema without considering the knowledge resided in the database. This paper proposed the approach for ontology extraction on top of RDB by incorporating concept hierarchy as background knowledge. Incorporating the background knowledge in the building process of Web Ontology Language (OWL) ontology gives two main advantages: (1) accelerate the building process, thereby minimizing the conversion cost; (2) background knowledge guides the extraction of knowledge resided in database. The experimental simulation using a gold standard shows that the Taxonomic F-measure (TF) evaluation reaches 90% while Relation Overlap (RO) is 83.33%. In term of processing time, this approach is more efficient than the current approaches. In addition, our approach can be applied in any of the fields such as eGoverment, eCommerce and so on.     

Learning concept hierarchies from textual resources for ontologies construction

Ontologies play a very important role in knowledge management and the Semantic Web, their use has been exploited in many current applications. Ontologies are especially useful because they support the exchange and sharing of information. Ontology learning from text is the process of deriving high-level concepts and their relations. An important task in ontology learning from text is to obtain a set of representative concepts to model a domain and organize them into a hierarchical structure (taxonomy) from unstructured information. In the process of building a taxonomy, the identification of hypernym/hyponym relations between terms is essential. How to automatically build the appropriate structure to represent the information contained in unstructured texts is a challenging task. This paper presents a novel method to obtain, from unstructured texts, representative concepts and their taxonomic relationships in a specific knowledge domain. This approach builds a concept hierarchy from a specific-domain corpus by using a clustering algorithm, a set of linguistic patterns, and additional contextual information extracted from the Web that improves the discovery of the most representative hypernym/hyponym relationships. A set of experiments were carried out using four different corpora. We evaluated the quality of the constructed taxonomies against gold standard ontologies, the experiments show promising results.     

面向认知协作的知识流分析与研究

为了有效地对认知科学中基于群学习方式的认知协作进行研究,首先探讨了基于本体描述的认知基础环境,对知识驱动的认知环境所涉及的一些基本概念进行了定义．进而,基于本体论思想,对支持认知协作的知识应用集成环境进行了探讨．在此基础上,对知识流关系进行了形式化定义,并利用Markov决策过程理论分析研究了知识应用集成环境下协同认知的过程逻辑．最后,对全文进行了总结并提出了进一步的研究方向．     

《数据结构》课程知识本体构建研究

介绍当代移动学习的特点和语义网本体技术,提出利用本体技术来适应移动学习的片段式学习方式要求,并以《数据结构》课程为例阐述课程知识本体库的具体构建过程．为其在移动学习系统中的应用打下研究基础。     

Automated ontology construction for unstructured text documents

Ontology is playing an increasingly important role in knowledge management and the Semantic Web. This study presents a novel episode-based ontology construction mechanism to extract domain ontology from unstructured text documents. Additionally, fuzzy numbers for conceptual similarity computing are presented for concept clustering and taxonomic relation definitions. Moreover, concept attributes and operations can be extracted from episodes to construct a domain ontology, while non-taxonomic relations can be generated from episodes. The fuzzy inference mechanism is also applied to obtain new instances for ontology learning. Experimental results show that the proposed approach can effectively construct a Chinese domain ontology from unstructured text documents.     

基于模块化的大规模本体映射方法

映射效率对于动态映射的应用至关重要,因此文中提出基于模块化的大规模本体映射方法。通过加权的基于距离和基于信息量的方法计算本体概念的相似度,利用改进的凝聚层次聚类算法对概念进行聚类,并以此抽取子本体,最后设计基于信息检索的技术发现异构本体中的相关子本体。该方法有效缩小候选匹配的搜索空间,达到减少时间复杂度的目的。实验表明,文中方法可在保证映射结果质量的同时提升映射效率。