基于本体概念关联度的信息匹配模型及算法

当今信息查询系统可以借助语义网中的本体在结点之间的信息查询中引入必要的语义,但这种方法在分布式网络中并不完全适用。因此论文主要提出了在分布式网络中借助本体的框架通过使用近义词和概念关联度的概念进行信息查询的新方法,从而在分布式网络中只通过对方和本身结点的有效信息就能进行相对较为有效的信息查询。     

改进的本体匹配算法

传统的利用本体结构信息对本体做匹配的方法,并未充分利用本体的树形结构特点,致使整个本体匹配的匹配过程具有大量的冗余计算。因此,提出一种改进的基于本体树形结构的本体匹配算法TARA。该方法首先严格地以本体的树形结构为依据进行本体匹配,然后通过二次匹配来解决由于严格按照树形结构进行匹配而产生的不可避免的不足。实验结果表明,TARA方法的查全率和准确率都有较好的表现。     

基于本体概念相似度的语义Web服务匹配算法

通过定义本体中概念之间的语义距离来计算本体概念之间的相似度,提出一种基于该相似度的Web服务的精确匹配算法,新的算法与经典的OWL-S/UDDI匹配算法比较,不仅在等级上保持一致,而且使同一等级或不同等级之间的服务匹配都达到精确的程度。用GEIS系统中Web服务的数据进行两种算法的性能测试,得出相似度匹配算法的平均查准率是OWL-S/UDDI匹配算法的1.8倍,平均查准率是OWL-S/UDDI匹配算法的1.4倍。     

一种基于人工免疫的本体匹配算法

针对目前本体匹配算法存在运行效率低和匹配准确度不高等问题,提出一种基于人工免疫的动态本体匹配算法,用来快速地从现有本体中筛选出用户所需的子本体。该算法根据用户行为信息构建抗原本体模型,利用情景匹配确定其领域上下文环境,然后通过结构匹配获得匹配度最高的本体,最后对本体执行语义匹配得到最终需要的子本体。实验表明,该算法提高了本体匹配的准确度和效率。     

基于扩展标记的改进本体概念分类算法

研究Pellet系统本体概念分类算法及其优化技术,在此基础上给出一种基于扩展标记的改进算法。该算法通过概念间已知的包含关系,控制分类过程中遍历时概念加入的顺序,并最大程度地双向传播这些关系,从而有效地降低概念包含测试的次数。验证结果表明,该算法的概念分类性能平均提高约22%。     

一种基于语言学特征的本体匹配改进算法

本体匹配通过发现领域内不同本体间元素的映射关系来解决本体异构的问题。该文主要通过对基于语言学特征的本体匹配相关算法展开研究与讨论后,提出了一种基于编辑距离、I-Sub算法和WordNet的综合性本体匹配算法,并设计了一个匹配框架对该算法进行实验验证。     

基于改进相似度传播算法的本体匹配

为解决本体异构、实现不同本体应用程序间互操作以及数据集成,提出一种基于RDF图的改进相似度传播匹配算法。首先通过WordNet发现初始相似对种子,经过预处理把本体表示成RDF三元组形式,针对RDF图的特点,将相似度传播的条件扩展到三元组中,发现可能相似对;然后采用综合元素特征的方法计算相似度。相似度传播、发现可能相似对种子、相似度计算是一个循环迭代的过程,直到满足收敛条件。实验表明了该算法的有效性,并在时间性能上也有所提高。     

一种基于本体概念相似度的语义Web服务匹配算法

通过定义本体中概念之间的语义距离来计算本体概念之间的相似度,提出一种基于该相似度的Web服务的精确匹配算法,新的算法与传统的经典匹配算法(OWL-S/UDDI算法)比较,不仅在等级上保持一致,而且使同一等级或不同等级之间的服务匹配都达到精确的程度.     

一种基于虚拟路径的本体匹配算法

本体匹配是实体之间关系的体现,不仅单个概念之间的关系影响本体的匹配关系,概念相邻元素及其语义联系对本体的匹配关系的影响也不容忽视。提出了基于虚拟路径的本体匹配新方法,通过为两个本体元素分别建立由具有语义联系的相部元素及其联系所构成的虚拟路径,将两个目标元素的虚拟路径中各独立要素分别对应地进行概念语义相似性比较;综合虚拟路径内各独立要素的概念语义相似性,获取两个目标元素虚拟路径的图形语义相似性;根据虚拟路径的图形语义相似性推导两个目标元素之间的映射关系。实验表明,该方法能够有效提高本体匹配的质量和性能。     

概念代数在本体合并中的应用

本体合并是本体集成的一种较为有效的方式,是用于解决本体异构以实现本体资源重用和共享的一种方法。引入概念代数以弥补本体的概念深度表达不够、形式化程度低等缺陷。将本体与概念代数结合,提出一种基于概念代数的本体表示方法,其恰好符合领域专家构建本体的意识活动,可以更好地表达和处理知识。概念代数是一种抽象的数学结构,形式化程度较高,并且其概念之间的认知关系更便于进行知识推理。利用概念代数将本体表示为可视化的概念网形式,进而利用概念代数的运算实现概念之间的合并及关联,提出一种基于概念代数的本体合并方法,是对概念代数应用到本体的一种尝试,为本体的处理提供了一个新的视角。     

基于WordNet的信息内容安全本体构建

为提高信息内容的安全性,将信息内容安全本体(ICSO)引入相关系统与技术。基于给定的初始ICSO,利用WordNet构建信息内容安全本体。采用抽取算法自动从WordNet中抽取信息内容安全领域的相关概念及其关系,根据is_a关系添加规则有效组织ICSO。该方法快速高效,生成的ICSO概念和关系准确,只需改变初始本体就能从WordNet中抽取所需领域的本体。     

基于形式概念分析的领域本体构建方法研究

近年来,本体作为一种有效的、表现概念层次结构和语义的模型,被越采越多的领域所应用。应该说,本体的出现能很好地解决目前计算机应用领域中存在的一些困难,如人机交互或机器与机器之间的通信、自动推理、知识表示和重用等。但是,在能很好地应用本体之前,我们面临一个新的难题：本体的构建。本文对现有的领域本体构建方法做了总体性介绍,并在此基础上详细描述了几种基于形式概念分析的领域本体构建方法,最后时形式概念分析用于领域本体构建方法做了分析、比较和总结。     

基于词汇相似度的元素级本体匹配

随着语义Web的不断发展，本体数量日益增加。本体匹配作为本体映射、比较和集成的基础，具有重要的实际意义。由第3届国际语义Web大会(3th ISWC)主办的本体匹配竞赛(EON2004)对多种本体匹配工具进行比较和评估。该文提出了一种元素级本体匹配算法LANA(Lexical Analyzer)，该算法通过计算词汇相似度得到两本体间的元素匹配对。与EON2004中的其它元素级本体匹配方法相比，LANA在没有增加匹配复杂度的基础上，具有较好的准确率和召回率。     

基于概念代数的本体演化

针对本体模型的维护和演化问题,将代数格与概念格相结合,定义概念代数,提出基于概念代数的奉体演化3层结构,包括原子概念层、原子概念关系层、应用层。分析概念代数与本体表示语言OWL之间的对应关系。在应用层中,利用概念代数根据应用的需要在原本体模型基础上构建面向应用的概念,并维护原有本体模型。实例证明了该方法的有效性。     

WordNet中基于IC的概念语义相似度算法

提出一种计算WordNet中概念间语义相似度的算法,该算法同时考虑概念的信息内容(IC)以及2个概念在WordNet is_a关系分类树中的距离信息,由此提高算法性能。给出一种计算概念IC值的新方法,通过考虑概念的子节点数及概念所处WordNet分类树中的深度,使计算结果更精确。与其他5种语义相似度算法的比较结果表明,该算法能够求得更准确的相似度。     

一种基于概念格属性约简的本体合并方法

提出一种基于概念格属性约简的本体合并方法。该方法先对源本体中的概念进行外延和内涵的分析,以此为形式背景构造概念格。对所构造的概念格进行属性约简,删除本体合并中的冗余信息,约简绝对不必要属性,以最少的信息精确地反映概念格及本体的本质和结构。最后通过实例分析此方法的可行性。     

一种基于本体的句子相似度计算方法

提出了一种基于树结构本体的句子相似度计算方法。利用本体概念与句子中关键词之间建立的语义索引,构建句子与本体间的直接和间接语义联系,据此提取描述句子的语义向量,从而计算句子间的语义相似度。应用微软研究院的意译语料库(MSRP)对本方法进行了验证,结果表明:与相关的计算方法相比,本方法在不完备附加信息应用前提下获得了较好的准确率和召回率。     

基于多属性的本体实例匹配算法

提出一种基于多属性的本体实例匹配算法,利用关键性属性获得待匹配本体实例间的相似度,使用Similarity Flooding算法,依据由对象属性构成的有向图对实例间的相似度进行修正,并获得初始匹配结果,根据必要性属性过滤初始匹配中的错误匹配。实验结果表明,该算法可提高本体实例匹配的查准率与查全率。     

Concept vector for semantic similarity and relatedness based on WordNet structure

We define WordNet based hierarchy concept tree (HCT) and hierarchy concept graph (HCG), HCT contains hyponym/hypernym kind of relation in WordNet while HCG has more meronym/holonym kind of edges than in HCT, and present an advanced concept vector model for generalizing standard representations of concept similarity in terms of WordNet-based HCT. In this model, each concept node in the hierarchical tree has ancestor and descendent concept nodes composing its relevancy nodes, thus a concept node is represented as a concept vector according to its relevancy nodes’ local density and the similarity of the two concepts is obtained by computing the cosine similarity of their vectors. In addition, the model is adjustable in terms of multiple descendent concept nodes. This paper also provides a method by which this concept vector may be applied with regard to HCG into HCT. With this model, semantic similarity and relatedness are computed based on HCT and HCG. The model contains structural information inherent to and hidden in the HCT and HCG. Our experiments showed that this model compares favorably to others and is flexible in that it can make comparisons between any two concepts in a WordNet-like structure without relying on any additional dictionary or corpus information.