Ontology的Gruber定义:中文语境理解

计算机领域术语Ontology的Gruber定义具有奠基性作用,在中文语境下对其的准确理解十分重要.Ontology只能是"本体论一,Substance才是"本体".基于对4个关键词的分析,Oruber定义应被意译为"Ontology是本体论模型/概念模型",对此又从认识思维方式、语言学规律、模型研究方法3个方面给予了有利的论证.该观点的实际意义在于,它直接提示IT研究与开发人员"Ontology就是构建概念模型与使用概念模型".     

Ontology 方法学综述

近来 ,一种新的知识模型的出现 ,解决了以前专家系统基于规则技术的缺陷。最新的知识工程化技巧就是Ontology(本体论 ) ,获取本体论的动机是“可再用性”(Reusability)。在信息系统、接口、面向对象设计和编程等方面 ,本体论都是一个很好的工具 ,详细介绍构造Ontology方法学     

基于Web数据的本体概念抽取

本体论(Ontology)在知识管理及语义网(Semantic Web)中越来越重要,但建造本体往往需要耗费大量的时间,且建造完成后本体的维护对知识管理者来说也是费时的工作。自动创建领域Ontology可以克服手工方法的不足,成为当前的研究热点之一;而概念是本体中最重要的组成部分之一,从半结构化的Web文档中自动抽取概念的效率和准确度的高低,直接决定了自动建造的本体的质量,提出一种自动的本体概念抽取模型,此模型不依赖于领域词典或核心本体,并且能达到快速有效地通过对中文Web文本挖掘自动地构建及更新领域本体概念的目的。     

基于本体论的语义建模研究

本体(Ontology)是下一代互联网(SemanticWeb)的基础,OWL语言是W3C组织定义的本体描述语言。鉴于当前互联网的规模越来越庞大,如何准确快速地获取信息正变得至关重要,而基于本体论的语义模型为信息的表示、交换和处理提供了一个较为合理的标准,从而使得网上信息的完全共享成为可能。文中阐述了本体的概念,重点探讨了基于本体论的语义建模方法和OWL语言对本体表示的支持,并且具体给出了一个基于OWL语言的建模实例。     

IT课程目标Ontology及其语义Web应用

基于Ontology开发网络学习服务平台是网络教育应用的一个重要课题.基于基本概念、角色概念构建Ontology使表达语义更加精确.基于角色概念的Ontology元模型,构建了IT课程目标Ontology,实现了其语义Web应用.实验表明,基于角色概念构建的Ontology语义精度明显提高,以此为基础的网络学习服务平台能够较好地满足个性化学习的需求.     

语义Web的“语义”与“语义Web”的语义

语义是人脑中的概念与外指意义。目前的计算机环境还无法模拟外指意义,界定“语义≈概念”就成为现实可行的选择。语义就是内置于计算机的Ontology中的概念。语义Web是一种抽象的信息集合,其中的信息由URI定位、用XML表示、以多种方式传输。Ontology的重要性体现在概念之间的关联,即从任一个概念出发均可到达若干其它概念及其属性,从而实现语义推理。构建语义Web的基础工作有二：信息的内容全部用“概念”进行标记;计算机内置“概念系统”即Ontology。     

一种利用RDF(S)建立本体论的方法

首先介绍了如何使用RDF(S)表示本体论 (Ontology)中的对象模型 ,然后分析了如何在RDF(S)中表示本体论中的公理     

基于本体论的语义建模研究

本体(Ontology)是下一代互联网(Semantic Web)的基础,OWL语言是W3C组织定义的本体描述语言.鉴于当前互联网的规模越来越庞大,如何准确快速地获取信息正变得至关重要,而基于本体论的语义模型为信息的表示、交换和处理提供了一个较为合理的标准,从而使得网上信息的完全共享成为可能.文中阐述了本体的概念,重点探讨了基于本体论的语义建模方法和OWL语言对本体表示的支持,并且具体给出了一个基于OWL语言的建模实例.     

Ontology知识表示的艺术

Ontology是近年信息科学界最热门的词汇之一,国内一般将其译为"本体"。在各种信息交互与集成、知识表示与获取的应用中,全球众多研究者都热衷于这个词汇的使用。与此同时,也使得更多对Ontology不甚了解的研究者对此倍感兴趣。Ontology究竟为何方神圣?它研究什么内容?能解决何种问题?本文带着这样的思考来逐步阐述Ontology的概念、方法、研究和应用现状。     

探讨Ontology的信息检索策略

针对现有的基于关键字的传统检索方式存在着检索精度不高的问题,提出了将Ontology融合到信息检索技术中的思想,利用领域Ontology里的概念、关系,建立了基于Ontology的海洋文献检索模型,并通过PaperSearch检索系统验证了策略的优势。     

On the Possibility of Quantum Informational Structural Realism

In The Philosophy of Information, Luciano Floridi presents an ontological theory of Being qua Being, which he calls “Informational Structural Realism”, a theory which applies, he says, to every possible world. He identifies primordial information (“dedomena”) as the foundation of any structure in any possible world. The present essay examines Floridi’s defense of that theory, as well as his refutation of “Digital Ontology” (which some people might confuse with his own). Then, using Floridi’s ontology as a starting point, the present essay adds quantum features to dedomena, yielding an ontological theory for our own universe, Quantum Informational Structural Realism, which provides a metaphysical interpretation of key quantum phenomena, and diminishes the “weirdness” or “spookiness” of quantum mechanics.     

基于描述逻辑的OntoUML模型的形式化表示

将形式本体理论应用于UML语言的改进是UML的形式化研究的主要方法之一,其中On-toUML是一个概念上完整、语义上清晰和更具本体意义的UML版本。虽然OntoUML基于本体对UML进行了扩充,提供了更为丰富,更能表达现实世界语义的建模原语,但其表达方式不利于在信息系统的设计与开发中应用。本文基于描述逻辑对OntoUML中的关键建模原语及其关系给出了SHIQ形式化表示方法,并进行了实例研究。该方法表达精练、语义清晰,不仅能够表达逻辑清晰的模型,而且保证模型能够正确反映领域事实。这种形式化方法为信息系统概念建模方法提供了理论和应用支撑,在一定程度上推动了OntoUML更为广泛的应用。     

Ontology learning: state of the art and open issues

Ontology is one of the fundamental cornerstones of the semantic Web. The pervasive use of ontologies in information sharing and knowledge management calls for efficient and effective approaches to ontology development. Ontology learning, which seeks to discover ontological knowledge from various forms of data automatically or semi-automatically, can overcome the bottleneck of ontology acquisition in ontology development. Despite the significant progress in ontology learning research over the past decade, there remain a number of open problems in this field. This paper provides a comprehensive review and discussion of major issues, challenges, and opportunities in ontology learning. We propose a new learning-oriented model for ontology development and a framework for ontology learning. Moreover, we identify and discuss important dimensions for classifying ontology learning approaches and techniques. In light of the impact of domain on choosing ontology learning approaches, we summarize domain characteristics that can facilitate future ontology learning effort. The paper offers a road map and a variety of insights about this fast-growing field.     

基于句本位句法体系的古汉语机器翻译研究

该文通过构建古汉语词典模型,结合黎锦熙先生提出的句本位句法相关规则构造知识库,使用词义消歧算法,对古汉语进行基于规则的机器翻译研究。实验以基于句本位语法进行句法标注后的《论语》作为测试语料,以句子为单位进行机器翻译,通过获取待选义项、构建义项选择模型、调整句法顺序等手段生成翻译结果集,并使用二元语法模型对结果进行优选,得到机器翻译最终结果,最后对翻译结果进行了分析测评。     

Knowledge and software modeling using UML

Ontology can be considered as a comprehensive knowledge model which enables the developer to practice knowledge, instead of code, reuse. In the development of knowledge-based systems, different modeling languages are employed at different stages of the development process. By using a common modeling language for the knowledge and software models, knowledge instead of software reuse can be achieved. We illustrate the process by first presenting an ontology developed for an industrial domain and then investigate Unified Modeling Language (UML) as an ontology modeling tool. Since any model expressed in UML can be translated into a software model, the transition from the knowledge model to system implementation is better supported with the proposed approach. The industrial domain of selecting a remediation technique for petroleum contaminated sites is adopted for the illustration case study.     

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。     

Ontology自动创建中实例学习的研究

Ontology近年来受到信息科学领域的广泛关注,其重要性已在许多方面表现出来并得到广泛认同。自动创建领域Ontology可以克服手工方法的不足,成为当前的研究热点之一;实例（Instance）是Ontology的重要组成元素,从领域文档集中学习实例是自动创建领域Ontology的关键之一。研制的一个领域Ontology的自动生成系统（OntoAGS）能够通过领域文档集自动地创建该领域的Ontology,OntoAGS系统的实例学习是基于模式匹配的算法。实验表明,与当前较流行的Ontology半自动生成系     

面向中文文本的玉米病虫害本体学习研究

由于中文和英文在语法和句法等方面的差异,面向中文文本的本体学习方法尚存在一定困难。研究了面向中文文本的玉米病虫害本体学习方法。提出单字合并法,将其与TFIDF方法结合,进行概念抽取;将欧几里德距离与余弦距离加权平均计算概念相似度,进行概念关系抽取。从中国玉米网选取50篇领域文档,应用上述方法构建了玉米病虫害本体。