基于本体的Deep Web语义分类研究

针对目前Deep Web分类研究中所采用的Post-query查寻探测方法缺乏语义支持的问题,提出一个基于本体的语义查询探测分类方法。主要思想如下:首先针对一个Deep Web数据库集合,提取查询接口中的属性及其实例,半自动建立领域本体,并且通过领域本体来表示类别特征;然后利用领域本体中的概念以及相应的实例构造语义查询集;最后对待分类的Deep Web数据库利用语义查询集进行查询探测,计算查询探测返回的结果文档在领域本体中的信息覆盖量,并以此对Deep Web进行分类。实验表明:这种语义查询探测分类的方法和以往的方法相比,在准确率、查全率和F1值上有一定的提高。     

Deep Web爬虫的一种增量式更新策略

为了在网络及计算机硬件等资源有限的前提下,最大限度地保证本地副本的新鲜程度,往往需要为Deep Web爬虫定制一个重爬机制。为了满足这种需求,提出了一种基于采样的增量式Deep Web更新方法,使用贪心策略分配爬虫资源,以最大限地的提高资源利用率。经实验验证,该方法取得了比较优异的结果。     

一种基于本体服务索引的Web服务扩展方法

传统的获取Web服务的方法是通过关键字匹配,由于此方式在发现潜在语义相符的Web服务时较为困难,越来越多的学者研究如何基于语义检索Web服务。本文设计了一种新的语义匹配模式：基于本体服务索引的服务匹配。通过建立从服务到本体库的索引,将本体库和Web服务库关联成一个逻辑整体。通过UDDI,用户请求会直接发送给推理规则库,在得到服务请求后,通过相应推理规则得到领域本体中与服务请求在一定相似度范围内的类及实例,而后将这个结果集输入到本体服务索引,经过匹配可输出较符合的Web服务结果集。     

语义Web环境中基于本体推理的协同标注

在已有的Web协同标注系统的基础上,通过对资源文档的标签进行共性分析以及上下文情境感知,以此来扩展标签的概念组,并将其与相关本体进行映射;利用本体推理技术来丰富标签的语义性,挖掘出文档隐含的语义信息,发现文档间所存在的内部关联,同时鉴别不同文档之间是否存在着伪关联,以此提高知识检索与知识推荐的准确性以及主体间的知识共享水平。     

一种基于本体的空间信息Web服务实现方法

为了提高空间信息Web服务的互操作性，提出了一种利用本体技术实现空间信息Web服务发现与检索的解决办法.通过Web服务本体描述语言（OWL-S）实现对空间信息Web服务能力知识表达，在标准的开放地理信息系统协会(OGC）空间信息Web服务基础上，建立了一个基于本体目录服务的空间信息服务框架.并给出了基于这一框架服务请求的实现过程.结果表明，本体技术可以扩展空间信息Web服务的语义，能将服务匹配过程中得到的相似的Web服务复用于当前服务请求，提高知识推理的效率.     

基于本体的唐卡图像标注方法

针对现有的图像自动标注算法对唐卡图像的自动标注和语义描述能力有限的缺点,提出了一种基于领域知识本体的唐卡图像语义标注方法。首先,构建了唐卡图像标注框架体系,然后,在前期唐卡图像中目标对象识别和分类的基础上,结合唐卡领域知识本体,对圣像类唐卡图像进行了两个层面的标注,即局部区域自动标注和基于本体的全局标注。实验结果表明,该标注方法对唐卡图像十分有效。     

基于领域本体的Web服务发现

Web服务应用的一个关键问题是如何发现需要的服务。传统的基于关键字的服务发现机制UDDI缺乏语义支持,搜索效率低。据此该文研究基于领域本体的Web服务发现技术,对发布服务和请求服务都采用OWL-S描述以支持基于语义的服务搜索能力,并且提出了一种基于图匹配的Web服务发现算法。试验结果表明服务发现方法在查准率和查全率方面都要优于UDDI。     

语义网自适应学习系统中领域本体的构建

为了学习者适应学习系统,创建相关学科的领域本体,发挥语义网的作用。根据学生的个性特征和学习进程动态地呈现教学内容,更好地满足学习者的需要,提出了基于语义网构建的自适应学习系统,为人们的学习提供了非常有效的支持。在描述自适应学习系统、语义网和本体相关知识的基础上,以一门课程为例进行了领域本体创建的实践,为自适应学习的实现奠定了基础。     

语义Web中本体推理研究

语义Web作为新一代Web正备受关注,本体作为语义Web的基石,在知识表示与知识推理方面发挥着重要作用。介绍了本体语言、描述逻辑以及二者之间的关系。对描述逻辑的语义推理机制以及推理机进行了分析。并以具体的本体构建为例,对构建过程中的推理判定进行了验证。     

基于本体的语义检索系统的设计

因特网上现有的各种检索方法都是基于关键词的,而关键词检索的弊端就是它的低查全率和低准确率。在对比现有检索技术与语义检索技术之后,着重介绍了语义Web、本体以及相关的工具如Protégé、Jena以及SPARQL查询语言等,构建了一个花卉文献本体,开发出基于该本体的语义检索系统。该系统比较了传统检索与语义检索2种方式,验证了语义检索技术的优势所在,提供了简单的推理功能,可以对关于花卉的一些语句进行推理验证。     

语义Web作为背景知识的本体匹配

提出了一个基于语义网为背景知识的本体匹配模式,即自动寻找和检索各种网络的知识资源得出映射,根据一些关键问题获得可行的模式、提供一个良好性能的匹配方法.采取了一个大规模的匹配为实验背景,检验了以语义网为背景知识的本体匹配模式的可行性、局限性、与其他技术的结合性.实验结果表明以语义Web为背景知识的方法本体匹配的精确度为70%.说明以语义Web为背景知识的本体匹配是对现有技术的补充,并可兼容于其他方法,其匹配的精确度也有了进一步的提高.     

Web与语义Web

对Web的演变过程及存在的问题进行了分析;对语义Web基本原理和架构做了介绍;在此基础上,主要是从不同的技术角度、多种指标对语义Web与Web异同进行了分析讨论;并仅对基于Web的几个方面的应用,做了简要介绍.     

一种改进的本体映射方法

为提高本体映射的准确率,提出了一种改进的基于多策略的本体映射方法.综合考虑了本体结构特征和实例映射对本体相似度的影响.通过设计一种＂编码＂的方法,实现对概念节点结构的表述与测量,并在影响范围内利用祖先节点的相似性来判断节点相似性.在初始候选对的选取中,提出一种基于图论的1∶1映射方法.实验结果表明所提出方法提高了检索的查全率和查准率.     

一种基于参考本体的多本体映射方法

随着领域内本体数量的不断增多,很多本体映射方法已经不适用于多本体映射任务。为此,提出一种基于参考本体的多本体映射方法 (multiple ontology mapping based on reference ontology,MOM RO)。在多本体映射过程中,方法MOM RO从源本体集合中提取共享概念集合并建立参考本体;然后利用参考本体来构建一个统一的向量空间模型;然后,将源本体中的概念表示成该模型中的向量,从而使用向量之间的欧氏距离来计算概念之间的相似度;最后,建立源本体之间的映射关系。实验结果表明,方法MOM RO可以有效地完成多本体映射的任务。     

基于Ontology的人力资源语义检索技术研究

基于关键词的传统信息检索技术缺乏语义理解能力,无法满足用户的需要。简要地介绍实现语义检索涉及到的相关概念包括资源描述框架,语义网技术和本体。本文对语义检索所涉及的关键技术进行了深入的分析研究,提出了一种基于本体的语义检索的方法,以人力资源领域本体为例,设计并实现了基于Ontology的人力资源语义检索系统。