基于WordNet的本体概念匹配算法改进

本体（Ontology）是共享概念模型的明确的形式化规范说明。本文首先介绍了斯坦福大学的半自动本体合并工具Prompt在本体概念匹配方面的缺点：忽略了概念的语义信息,无法识别同义词。对Thanh Dao提出的基于WordNet的概念语义相似度算法进行改进,并将其用于Prompt,弥补了其无法进行语义匹配的缺陷。     

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。     

基于本体匹配模型的研究

由于本体越来越广泛地应用于语义间的信息交换,并在大量分布领域中成为支持语言共享的关键要素,如同因特网一样的共享需求也相应增加。其中匹配本体的机制是获得最终目标的方式之一。本体匹配的过程中两个本体在概念级的语义相关以及根据这些语义相关性源本体实例被转换为目标本体实例。文章对此进行了研究。     

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.     

基于本体的搜索引擎模型设计

目前,常用的全文搜索引擎都是基于关键词检索的,其查准率和查全率都较低,并且返回记录太多,重复信息过多,使得搜索引擎的查询效率很低。基于此,提出了一种基于本体的搜索引擎模型,通过提取的文档中概念,确定其所属的领域本体,以此归类,并用文档—概念匹配系数建立索引。搜索时,采用基于概念匹配的方式进行检索,对属于不同领域本体的文档,分类输出。提高搜索引擎的查准率和查全率,减少冗余信息,从而提高搜索引擎的查询效率。     

基于匹配算法的服务发现本体模型*

针对服务发现领域存在的匹配问题,提出了基于匹配算法的服务发现本体模型。研究中,以本体技术为基础,分析服务发现模型所包含的主要元素,定义用户本体与服务本体之间最优匹配规划的命题。构建满足该命题的Web服务运行框架。针对运行框架中匹配规划和匹配模式,设计并实现MS算法和MP算法,获取候选匹配集及匹配规划的相关度。与现有服务发现方法相比,提出的服务发现本体模型具有较高的查全率与查准率,能够获得更多贴近用户服务请求的Web服务,具有较好的理论价值和应用前景。     

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。     

基于本体的网络管理信息模型映射方法

为达到网络管理系统间信息共享及解决其信息模型间语义异构问题,分析了网络管理信息模型现状和本体映射技术的优势,提出基于本体的信息模型自动映射方法。该方法将信息模型转换为本体后,通过动态适应的多策略本体匹配得到映射结果。同时开发了原型系统OntoNM,其通过Protégé和信息模型开发工具包来实现。通过实验评价得到推荐策略,且实验结果表明该方法提高了信息模型映射的效率。     

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。     

基于本体结构的概念间语义相似度算法

针对本体模型的结构特点,从模型概念间的宽度、深度、密度等方面分析本体概念相似度的计算,将其合并为结构因素。结合语义重合度、语义距离等影响相似度的因素综合考虑,提出一种基于本体结构的计算概念间语义相似度的算法。通过建立本体模型并进行实验分析,总结出本体结构方面各因素对本题概念语义相似度的影响。     

一种基于本体语义的信息检索模型

对基于向量空间模型的检索方法进行改进,提出基于本体语义的信息检索模型。将WordNet词典作为参照本体来计算概念之间的语义相似度,依据查询中标引项之间的相似度,对查询向量中的标引项进行权值调整,并参照Word-Net本体对标引项进行同义和上下位扩展,在此基础上定义查询与文档间的相似度。与传统的基于词形的信息检索方法相比,该方法可以提高语义层面上的检索精度。     

一种基于领域本体的混合信息检索模型

针对语义检索中本体不能提供所有知识的问题,提出一种基于领域本体的混合信息检索模型。该模型利用领域本体中概念间的语义关系,结合关键词检索和语义检索,建立关键词基础矩阵和语义扩展矩阵两层索引矩阵,使系统检索在没有可用本体知识时能自动调整为关键词检索,保证一定的检索性能。两者的结合有效改善了检索性能。     

基于本体的网页数据抽取技术的研究

随着网络上信息的飞速增长,网络已发展成为一个巨大的数据库,人们对快速准确地获取网页数据提出了更多的需求。目前,自然语言处理领域已经将网页信息抽取技术的研究作为一个重点。首先该文介绍了关于本体的一些基础知识,在此基础上提出并实现了一种基于领域本体的网页数据抽取方法。在该文中,利用领域本体的关键词、概念及关系来生成抽取规则,采用语法分析模块对输入的文档进行预处理,最后根据语法分析的机构和生成的抽取规则来对文档实现数据抽取。实验证明,该方法具有良好的性能。     

基于系统中心本体的分层抽象模型

本体类分层关系的确定,使得能够利用不同抽象度本体类之间的抽象映射自动构建物理世界的分层模型。根据本体类型的不同将已有的本体类定义为对象本体类(Object based Ontology Class),并对流片段(Flow Fragment)的概念加以扩展,提出以系统为中心的流本体类(Flow-based Ontology Class)的概念。定义了流片段的行为不可区分性,从两个不同的方向讨论了流本体类的分层表示:一是对构成流本体类的流片段的不同抽象度分层扩展;二是对构成流本体类的不可区分的流片段的合并分层扩展。给出了流本体类的分层过程,定义了系统级的映射关系,即流片段之间的抽象映射,指出该映射为基于系统中心本体的模型抽象分层过程提供了直接的转换运算。并且,流本体类的分层关系的确定也为基于系统中心本体的模型设计任务提供了可共享和重用的机制。     

一种基于领域本体的新术语扩充方法

提出一种基于领域本体的新术语扩充方法。结合传统基于统计和基于规则的方法,计算词语在文档中的影响程度,使用领域本体体现领域知识,通过在文档中识别出本体中概念计算文档及词语的领域相关度,获得术语候选项的推荐排序,对术语候选项结果进行优化。实验结果证明了该方法的有效性和可行性。     

基于本体的动态信息收集Agent

该文设计并实现了一个基于本体的动态信息收集Agent系统,该系统基于本体知识对文档进行领域本体分类和规范用户的检索请求,对信息收集的结果进行主题相关的链接分析,抽取出信息源组织结构知识,并根据获取的知识控制系统搜索策略,从而能够有效地处理动态信息收集。     

一种基于本体映射处理推荐信任信息的模型

在高动态、开放、异质和分布式网络环境下,在线实体不可避免地需要在交互之前考虑其潜在合作伙伴的可信程度.由于实体通常不具备关于这些潜在合作伙伴的足够知识,因此从所谓第三方收集一些推荐信任信息是必要而且重要的.然而,由于目前没有关于信任的一致理解,推荐信任信息很难被实体理解和使用.信任本体的出现有助于解决这个问题,从而促进互操作性.但在实际上,目前仍没有一个可被所有实体全局共享的信任本体.提出一个采用本体映射来促进推荐信任信息理解的模型,该模型实现了基于不同信任本体的各参与方的有效交互,提高了在线环境中信任管理的灵活性、开放性和可扩展性.     

基于本体的电力信息系统的语义集成研究

在语义网以及OWL等本体技术的基础上，构建了一种新型的信息集成系统（EOSIS）来实现电力企业信息的集成、语义连接及推理。其中包括EOSIS的业务需求分析、集成策略以及系统结构。EOSIS不同与现有的集成系统之处在于，它可以支持支持概念和对象的多维查询及导航、隐含业务信息推理、领域概念、事实的动态增加等功能。