基于语义相似度的Web服务匹配研究

现有的语义Web服务匹配算法没有考虑到本体概念间的多元关系,导致概念的语义不能被完整地反映出来,从而影响了算法的匹配性能。利用本体概念间的多元关系定义了一种语义距离,并通过该语义距离给出了概念间的语义相似度计算方法,在此基础上提出基于语义相似度的Web服务匹配算法。该算法通过本体概念间的语义相似度来反映Web服务的匹配程度。最后,通过对比实验验证了该算法的可行性和有效性。     

面向领域的语义搜索引擎的应用研究

针对基于关键字的搜索引擎缺乏语义的问题,提出了一种面向专业领域的语义搜索引擎模型.以领域本体形式化描述为基础,构建本体语义框架,进而给出语义搜索模型.在模型中,以概念、概念-实例以及关键字等3种扩展特征项作为基础,对查询扩展算法和文档语义标注算法进行了研究,并且构建了语义索引,通过引入向量空间模型判定扩展检索词与语义文档的相似度.实验结果表明,该模型较传统模型较大提高了检索的查准率和查全率.     

一种基于本体的语义检索算法

本体技术作为一种能在语义和知识层次上描述概念体系的有效工具,在数字图书馆得到了广泛的关注。给出了本体结构及其词法的形式化定义。为解决RDF在语义检索中存在的问题,利用Jena工具,提出了一种提取和处理RDF层本体处理方法,给出了一种基于本体的语义检索算法。算法基于软件工程的思想,忽略不同的本体语言、本体的RDF层集合间的差异。算法分五步骤进行,包括：将RDF层本体信息从网页中分离并构建RDF模型、对RDF模型进行集合运算、RDF层本体的查询、修正RDF层本体以及对RDF层本体的序列化。实验结果表明缩短了查询时间,提高了检索的查全率及查准率。     

藏文语义本体中的上下位关系模式匹配算法

语义本体是共享概念模型显示的形式化规范说明,其目标是将杂乱无章的信息源转变为有序易用的知识源。目前语义本体还主要依赖于手工创建模式。上下位关系是一种基本的语义关系,常用于语义本体中概念的自动获取和验证。该文首先描述了藏文语义本体的创建方法,进而给出了藏文中的上下位关系模式以及模式匹配算法。上下位关系的模式可以辅助进行概念扩充,也可以作为建立和维护本体的辅助工具,这在一定程度上降低了创建和维护本体的成本。     

基于本体语义映射的数据集成机制研究

数据集成的难点是如何解决数据之间的语义异构问题,本文利用本体在语义集成上的优点,提出了一种基于本体语义映射的数据集成框架。根据本体概念的定义及其结构,给出了一种本体语义映射算法,该算法通过属性集合间的比较确定概念语义关系,在计算概念相似度时,考虑了概念名称、概念属性集合和相关概念的语义信息。最后通过概念的属性集映射算法和概念映射算法实现了本体语义映射,从而重点解决了数据集成中的语义映射问题。     

从ER模式到OWL DL本体的语义保持的翻译

提出了一种从ER模式到OWL DL本体的语义保持的翻译方法.该方法在形式化表示ER模式的基础上,建立ER模式和OWL DL本体之间精确的概念对应,通过一个翻译算法按照一组预定义的映射规则实现模式翻译.理论分析表明,该方法是语义保持的和有效的;算法实现和案例研究进一步证实,完全自动的机器翻译是可实现的.该文方法是原创性的,为Web本体的开发以及数据库和语义Web之间语义互操作的实现开辟了一条有效途径.     

面向企业本体复用的语义贴近度算法

摘要：为了实现企业本体的重用、整合、演化和通信,研究了本体的语义内涵和语义距离,包括语义的差异性、共性和综合性;提出一种语义贴近度算法,并通过定量计算获得不同本体的语义贴近度,提供了面向本体应用的决策依据;最后通过一个实例给出企业本体中两个概念的贴近度计算方法,表明了该语义贴近度算法的实用性和有效性。     

基于范畴论的地理本体集成研究

为了实现地理本体之间的语义集成,提出了基于范畴论的方法.将地理本体抽象成为范畴对象,对象之间的"态射"描述地理本体映射,"外推"描述地理本体合并,设计了基于范畴论的地理本体语义合并算法,该算法即包含了同义概念的合并,也包含了对语义不同部分的整合,且保持层次结构不变.作为一种形式化结构的"外推",它确保了合并后的结果是完整的、惟一的和最小的.以两个不同分类标准建立的河流本体为例,阐述了地理本体语义合并方法,并对实验结果进行了分析.     

一种基于语义的分布式本体融合机制研究

针对Web服务的形式语义和分布式本体融合的需求,提出了一种基于形式语义的分布式本体融合方法,构建了可共享语义平台,给出了一种分布式本体融合关系约简算法.该方法不依赖人工参与,形式化程度高,实现了分布式本体的有效融合.实验表明,该方法有效约简了融合本体中的冗语关系,提高了本体融合的质量和效率.     

语义驱动的集成化产品建模

针对复杂产品研发过程中多领域协同对产品知识共享和重用的需求,提出一种语义驱动的集成化产品建模方法.结合多本体技术,给出了集成化产品建模框架,该框架由概念层和模型层构成,概念层包括高层核心产品本体和领域本体,模型层由主模型和领域模型等一族模型构成;同时还给出了集成化产品模型的形式化语义描述,在构建高层核心产品本体的基础上建立主模型;基于多领域本体,进行由概念层语义驱动的领域模型快速重构,在语义理解基础上实现跨领域的产品知识重用.     

基于语义的决策树挖掘方法研究

提出了将概念树同决策树挖掘相结合的方法，解决传统决策树挖掘缺乏语义信息的问题。该方法能提高数据挖掘系统的知识表示能力，增强知识的共享性和重用性，在一定程度上改善决策树挖掘中记录重复或语义模糊等问题。     

浅谈建筑空间中的虚空间

虚空间是众多空间类型中一个较为新颖的概念,传统的空间分类形式已不能满足如今业内的学术理论要求。本文将对虚空间的概念;构成虚空间的形态语义;环境心理学在虚空间中的运用等方面进行系统细致的论述和研究。     

消息序列图的范畴论语义描述

消息序列图(MSC)作为一种描述和规范系统部件之间交互行为的图文语言,对实例和消息等元素本身没有相应的描述结构,使得描述功能扩展有诸多限制.为了增强MSC描述的精确性与灵活性,对其进行语义形式化.在原有消息机制的基础上,采用范畴论的数学方法,给出MSC的语义描述结构,并对其结构进行扩展,增强带时间概念的MSC描述功能.     

基于范畴论的素描数据模型

针对关系数据库语义表达的不足,讨论了一种语义数据模型--基于范畴论的素描数据模型,从素描数据模型的形式化定义出发,以一种非形式化的方法分析了素描数据模型的基本概念,为更好地使用素描数据模型提供了基础.     

Efficient Implementation of Semantic Relations in Lexical Databases

In this paper we develop a formalization of semantic relations that facilitates efficient implementations of relations in lexical databases or knowledge representation systems using bases. The formalization of relations is based on a modeling of hierarchical relations in Formal Concept Analysis. Further, relations are analyzed according to Relational Concept Analysis, which allows a representation of semantic relations consisting of relational components and quantificational tags. This representation utilizes mathematical properties of semantic relations. The quantificational tags imply inheritance rules among semantic relations that can be used to check the consistency of relations and to reduce the redundancy in implementations by storing only the basis elements of semantic relations. The research presented in this paper is an example of an application of Relational Concept Analysis to lexical databases and knowledge representation systems (cf. Priss 1996) which is part of a larger framework of research on natural language analysis and formalization.     

本体中继承关系的形式化表示及其应用

本体关系中最重要的关系是子类/父类关系(继承关系),在子类/父类关系中,存在着除了继承以外丰富的语义关联.但本体的研究中,存在着形式化程度不够的问题,人们常用自然语言解释这些关系,然而这样的解释通常是有歧义的.为了严格、准确描述这些语义关联,基于本体研究了它们的形式化描述,同时扩展 UML,可视化地表示它们,并在此基础上,应用它们判定知识库中的某些错误.     

基于一阶逻辑的RDF模型的研究

XML为互联网应用提供了语法互操作性统一标准,而资源描述框架RDF定义了支持语义互操作的框架模型。作为RDF数据模型的类型系统,资源描述框架模式RDFS定义了一套扩充新的建模原语及其语义约束的机制。由于整个互联网语义化过程都以RDF模型为底层的模型支持,RDF数据模型及其类型系统的形式化程度直接影响和制约着更高层次上的语言和模型的形式化能力和推理能力。文章首先对RDFS类型系统做了非形式化分析,然后基于一阶逻辑定义了一套RDFS类型系统中对应类层次模型、类-实例模型和核心概念约束模型的事实-规则集。     

制造资源本体的概念语义相似度研究

为了实现制造资源本体之间的语义互操作,对本体中的概念进行语义相似性计算为进行此操作的关键技术之一。本文提出了一种计算概念语义相似度的新方法,将概念语义相似度分为两部分：主体相似度和附加相似度。主体相似度综合考虑了概念自身的相似度,该概念的父概念和子概念间的相似度,以及概念间的二元关系,同时,加入了概念属性相似度,属性携带了概念的大部分语义信息,计算属性相似度可以有效提高概念语义相似度的准确性。附加相似性是指通过本体中概念的层次结构对主体相似度进行语义补充,利用概念的深度对得到的概念语义相似度进行语义调整,有效的弥补了仅仅利用主体相似度计算概念语义相似度的不足。最后,通过实例证明了该方法的有效性。     

基于上下文词语同现向量的词语相似度计算

词语的语义相似度是词语间语义相似紧密的一种数量化表示。提出一种词语的语义相似度计算方法 ,利用上下文词语同现向量来描述词语的语义知识 ,在此基础上 ,使用 min/ max的方法计算词语之间的语义相似度。实验结果表明 ,该方法能够比较准确地反映词语之间的语义关系 ,为词语间的语义关系提供一种有效度量。     

Ontology and rule-based natural language processing approach for interpreting textual regulations on underground utility infrastructure

The nation’s massive underground utility infrastructure must comply with a multitude of regulations. The regulatory compliance checking of underground utilities requires an objective and consistent interpretation of the regulations. However, utility regulations contain a variety of domain-specific terms and numerous spatial constraints regarding the location and clearance of underground utilities. It is challenging for the interpreters to understand both the domain and spatial semantics in utility regulations. To address the challenge, this paper adopts an ontology and rule-based Natural Language Processing (NLP) framework to automate the interpretation of utility regulations – the extraction of regulatory information and the subsequent transformation into logic clauses. Two new ontologies have been developed. The urban product ontology (UPO) is domain-specific to model domain concepts and capture domain semantics on top of heterogeneous terminologies in utility regulations. The spatial ontology (SO) consists of two layers of semantics – linguistic spatial expressions and formal spatial relations – for better understanding the spatial language in utility regulations. Pattern-matching rules defined on syntactic features (captured using common NLP techniques) and semantic features (captured using ontologies) were encoded for information extraction. The extracted information elements were then mapped to their semantic correspondences via ontologies and finally transformed into deontic logic (DL) clauses to achieve the semantic and logical formalization. The approach was tested on the spatial configuration-related requirements in utility accommodation policies. Results show it achieves a 98.2% precision and a 94.7% recall in information extraction, a 94.4% precision and a 90.1% recall in semantic formalization, and an 83% accuracy in logical formalization.