基于字典的半自动常识本体构建*

为了保证所交换的信息在结构和语义上的一致性,实现真正意义上的信息互操作与集成,提出一种基于字典的半自动本体构建方法,并运用该方法构建一个具有统一标准结构的常识本体。基于字典的本体构建方法将字典给出的常识性知识作为本体的来源,并结合基于自由文本的本体扩展机制,从概念的解释中抽取其属性关系,半自动地构建和扩展常识本体。实验表明,该方法能够在自动化程度较高的基础上,构建一个包含7万多个常识性概念、60万个断言和1 900个谓词的常识本体。     

基于WordNet和聚焦爬虫的半自动领域本体构建

传统的手工构建本体是一项费时费力的工作.对比和借鉴了国内外本体自动获取的方法和思路,提出了基于WordNet和聚焦爬虫的半自动领域本体构建方法,以WordNet为中心,聚焦爬虫为辅助,通过计算概念之间相似度,构建本体,实验结果表明,该方法可以有效地快速构建领域本体,还可用于扩展本体.     

基于本体的自动文摘方法研究与实现

传统自动文摘方法并没有在语义层面上处理问题,所以近年来涌现出基于语义的理解分析法。本文提出一种基于本体的自动文摘方法,该方法采用领域本体将词特征映射为概念特征,然后调整特征词和文本语句权值,最后提取出合适的句子组合成文摘。该方法在统计的基础上加入语义分析,从而能够更精确地得到文本的主要内容,更方便阅读。在对竹藤领域的文本进行自动文摘实验后证明,该方法相比于传统自动文摘方法在文摘内容的准确度上有了较大的提高。     

基于三角数模糊层次分析法的本体校正映射研究

传统的多策略映射方法一般依据经验给各个子策略赋权重,缺乏理论依据性,并且精确度不高。提出基于模糊层次分析法的本体映射算法。该算法用三角模糊数层次分析法解决多策略参数赋值问题,同时根据OWL语法特点,引入映射校正规则,有效地提高了映射精度。仿真实验的结果表明,基于三角数模糊层次分析法的本体校正映射算法能有效提高映射查准率和查全率。     

煤矿事故本体自动构建

针对通过人工方式构建煤矿事故本体存在耗时耗力、具有局限性等问题,提出了一种煤矿事故本体自动构建方法。首先,以煤矿事故案例文本作为数据源,采用BP神经网络自动提取本体概念。然后,通过层次聚类法和关联规则法分别自动提取本体概念间层次关系、非层次关系。最后,利用Protégé本体编辑器对煤矿事故本体概念、概念间关系和实例进行可视化表达,得到煤矿事故本体。自动构建的煤矿事故本体更加全面,可为煤矿安全生产工作提供有力支持。     

农业本体及本体学习研究

目前国际上关于本体学习的研究非常活跃.利用本体学习技术来实现本体的半自动或自动构建就成为克服手工构建本体的困难和大规模开发本体的有效途经.介绍了本体理论和本体学习,综述了国内外农业本体的研究现状,特别介绍了农业本体学习的过程,给出了农业本体学习的关键理论和技术,采用基于统计、隐含语义检索和关联规则的算法提取概念;采用模式匹配和聚类算法提取概念问关系,列举了目前常用的本体学习工具,分析了本体学习结果的评价方法.     

非成熟领域的本体构建方法

为解决文本数据挖掘等知识体系欠发育领域之本体的构建问题;先构建领域本体的最基本概念词集;利用样本库检测与优化基本概念集;利用样本库构造基本概念词的上下文名词与动词;从而筛选出基本概念词的相关名词;构造其语义环境;通过比对语义环境确定同义词、近义词、反义词。将相关名词作为下一代概念词;迭代计算直至构造整个领域本体;并设计了具体算法;证实了该方法的可行性。     

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。     

基于本体翻译的领域本体自动构建

手工构建本体是一项既费时又费力的工作,为解决此项工作的瓶颈问题,本体自动构建成为当前的一个研究热点和重点。考虑到不同语言描述的本体在本质上是相同的,只是表层的表示符号不同,提出了一种基于本体翻译的领域本体自动构建算法,该算法针对已存在本体中概念标签的不同情况,分别采用不同的统计指标来筛选标签的目标语翻译。通过将一个英文金融本体翻译成中文对算法进行了实验验证,说明了算法的有效性。     

分布式环境下领域本体的自动提取

分布式环境下领域本体模型必须具备明确而且清晰的语义,以便于被共享和利用,本文基于该目的,提出了一种从分布式环境下自动提取本体的方法,并对如何提取本体中概念、关系、关系冲突消解和自动提取算法做了详细的阐述。     

本体映射过程中的综合相似度计算

论文以相似度计算为基本思想提出一种综合相似度的映射算法。该算法首先利用wordnet进行语言层面上的相似度计算,在进行语言层面上相似度计算的同时考虑概念自身的微观结构（概念的密度和深度）。引入密度制约参数和深度制约参数。然后基于概念实例计算概念相似度,给出了本体的综合相似度计算方法。最后采用学术领域内的SWRC本体和医学领域内的Organ本体作为测试数据对该方法进行试验,并与Glue方法和S-math方法进行了对比。结果表明,该方法具有良好的效果。     

基于XML的本体表示和检索技术的研究

基于XML和本体在抽象层次上都可以用带标签的有向图来表示,文章提出了用XML来描述本体,并在此基础上实现对本体中概念的检索。     

基于本体的机械工艺知识库构建方法

提出一种基于本体技术的机械工艺领域工艺知识库构建方法。首先对机械领域工艺知识进行了定义和分类,然后利用本体技术实现了工艺知识库定义与构建,并通过网络本体语言实现了工艺知识本体库的描述。该方法可以实现工艺知识的规范明确描述,并在一个较高的平台上提供知识重用和系统架构。     

支持企业知识共享的企业本体论及其获取

企业本体论是实现企业知识共享的基础。论文通过分析企业本体概念的结构层次和体现形式,提出了一种基于企业组织层次和业务流程的由底向上获取本体论的方法,增强了本体获取的完整性和简洁性。     

The Top-Down Strategy for Building EuroWordNet: Vocabulary Coverage, Base Concepts and Top Ontology

This paper describes two fundamental aspects in the process of building of the EuroWordNet database. In EuroWordNet we have chosen for a flexible design in which local wordnets are built relatively independently as language-specific structures, which are linked to an Inter-Lingual-Index (ILI). To ensure compatibility between the wordnets, a core set of common concepts has been defined that has to be covered by every language. Furthermore, these concepts have been classified via the ILI in terms of a Top Ontology of 63 fundamental semantic distinctions used in various semantic theories and paradigms. This paper first discusses the process leading to the definition of the set of Base Concepts, and the structure and the rationale of the Top Ontology.     

建设工程质量安全风险管理领域本体的建立与应用

通过对建设工程质量安全风险管理进行需求分析,建立起资源对象的输入/输出需‘求驱动模型,并结合国内外本体的创建与开发方法构建风险领域本体;阐述了该本体在风险管理研究中的两个应用。     

Optimizing ontology alignment through Memetic Algorithm based on Partial Reference Alignment

All the state of the art approaches based on evolutionary algorithm (EA) for addressing the meta-matching problem in ontology alignment require the domain expert to provide a reference alignment (RA) between two ontologies in advance. Since the RA is very expensive to obtain especially when the scale of ontology is very large, in this paper, we propose to use the Partial Reference Alignment (PRA) built by clustering-based approach to take the place of RA in the process of using evolutionary approach. Then a problem-specific Memetic Algorithm (MA) is proposed to address the meta-matching problem by optimizing the aggregation of three different basic similarity measures (Syntactic Measure, Linguistic Measure and Taxonomy based Measure) into a single similarity metric. The experimental results have shown that using PRA constructed by our approach in most cases leads to higher quality of solution than using PRA built in randomly selecting classes from ontology and the quality of solution is very close to the approach using RA where the precision value of solution is generally high. Comparing to the state of the art ontology matching systems, our approach is able to obtain more accurate results. Moreover, our approach’s performance is better than GOAL approach based on Genetic Algorithm (GA) and RA with the average improvement up to 50.61%. Therefore, the proposed approach is both effective.     

利用概念-权向量组匹配算法的Ontology搜索精化

提出了概念-权向量组匹配算法。该算法对输入信息和待评估Ontology进行语义分析，生成对应的概念．权向量组，利用概念．权向量组的匹配结果生成作为过滤和排序依据的结果向量。并利用该算法开发了Ontology搜索引擎——Wl OntoSearch。     

基于本体的业务流程知识集成研究

本文在企业知识集成的现有研究成果基础上,提出一个基于本体的业务流程知识集成模型,详细介绍该模型中的知识表示、知识建模和构建知识链3个方面的关键技术,给出了实现在采购及物资管理系统中集成知识管理的具体应用实例。     

Ontology matching with semantic verification

Automated Semantic Matching of Ontologies with Verification (ASMOV) is a novel algorithm that uses lexical and structural characteristics of two ontologies to iteratively calculate a similarity measure between them, derives an alignment, and then verifies it to ensure that it does not contain semantic inconsistencies. In this paper, we describe the ASMOV algorithm, and then present experimental results that measure its accuracy using the OAEI 2008 tests, and that evaluate its use with two different thesauri: WordNet, and the Unified Medical Language System (UMLS). These results show the increased accuracy obtained by combining lexical, structural and extensional matchers with semantic verification, and demonstrate the advantage of using a domain-specific thesaurus for the alignment of specialized ontologies.