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。     

语义Web中的本体匹配研究

随着本体应用的快速发展,本体数量大幅增长,这些本体描述的内容存在重复和关联,但在本体模式上却表现各异。本体匹配旨在识别异构本体中存在语义关联的实体,并建立它们之间匹配关系。它对于消除本体异构、实现本体集成和数据融合等具有重要作用。形式化定义了语义Web中的本体匹配问题,并从本体匹配方法、本体匹配挑战和本体匹配原型系统3个方面调研了最新研究进展,旨在为进一步研究指明方向。     

SVM-based ontology matching approach

There are a lot of heterogeneous ontologies in semantic web, and the task of ontology mapping is to find their semantic relationship. There are integrated methods that only simply combine the similarity values which are used in current multi-strategy ontology mapping. The semantic information is not included in them and a lot of manual intervention is also needed, so it leads to that some factual mapping relations are missed. Addressing this issue, the work presented in this paper puts forward an ontology matching approach, which uses multi-strategy mapping technique to carry on similarity iterative computation and explores both linguistic and structural similarity. Our approach takes different similarities into one whole, as a similarity cube. By cutting operation, similarity vectors are obtained, which form the similarity space, and by this way, mapping discovery can be converted into binary classification. Support vector machine (SVM) has good generalization ability and can obtain best compromise between complexity of model and learning capability when solving small samples and the nonlinear problem. Because of the said reason, we employ SVM in our approach. For making full use of the information of ontology, our implementation and experimental results used a common dataset to demonstrate the effectiveness of the mapping approach. It ensures the recall ration while improving the quality of mapping results.     

本体匹配的网格服务发现模型研究

如何从大规模网格服务集合中快速而准确地发现满足用户请求的服务,是语义环境下网络应用的一个重要方面。针对传统的基于关键字匹配的Web服务发现方法无法准确描述网格服务服务能力和应用领域的问题,提出了一种基于输入和输出领域本体的语义网格服务描述模型和基于本体匹配的语义网格服务发现流程,构造了基于本体匹配语义相似度计算的语义网格服务发现算法。实验结果表明,基于本体匹配的语义网格发现方法能够获得很好的查全率和查准率。     

基于分类的本体映射方法及映射工具实现*

介绍了本体和本体映射的概念,以及目前本体映射的主要方法.针对目前本体映射方法中存在的不足,提出了一种新的本体映射方法--基于分类的本体映射方法,解决了本体概念相似度计算量过大的问题,并实现了基于该映射方法的原型工具COMT,最后通过一个本体映射实例加以验证.     

当前本体编辑工具的分析与研究

本体是解决语义层次上Web 信息共享和交换的基础,实现对本体方便而快捷的编辑是语义Web 得以广泛研究及应用的前提。现在已出现了很多Web 本体编辑的(原型)工具或环境,如OILEd、Protégé和WebOnto 等,对各种本体编辑工具进行总结、分析和比较,找出它们的优势和不足,并展望本体编辑工具的发展趋势。     

基于本体概念相似度的遥感信息服务匹配研究

构建了一个遥感信息领域本体,基于领域本体和WordNet词典对遥感信息服务进行语义扩展,提出了一种基于本体概念相似度的遥感信息服务匹配方法,并对Leacock和Chodorow语义相似度计算模型进行改进。实验结果表明,该改进模型比距离模型和信息量模型都有提高,基于本体概念相似度的遥感信息服务匹配方法的查全率和查准率都能达到70%以上,较关键字匹配方法有显著提高。     

优化主题词本体的方法

为了解决利用主题词表构建的本体在描述上过于简单的问题,提出了一种优化主题词本体的框架.对主题词本体进行本体解析,在此基础上,对已有的相似度计算公式进行修改,给出了一种适合主题词本体的综合的相似度计算公式,并制订了优化主题词本体的规则,设计了相应的算法,将优化主题词本体功能发布成了语义Web服务.该方法弥补了主题词本体在描述上的不足,实验结果表明了该方法的可行性和有效性.     

一种快速高效的本体匹配方法

本体匹配是解决本体异构问题的主要方法之一,一个高效、精确的相似度计算方法是本体匹配的前提条件,针对目前本体匹配时计算复杂以及计算不精确的问题,提出了一种改进的本体匹配方法,该方法首先通过对本体库分类来确定候选匹配集,减少了相似度计算的工作量;进而根据本体的定义模型,从概念实例、概念属性和概念结构等方面来综合计算概念相似度,提高了相似度计算的精确度。实验表明该方法能在较少的时间复杂度上达到较好的匹配效果。     

一个基于语义模块的交互式本体匹配框架

本体匹配是用来解决异质本体间互操作问题的一种技术手段。目前,大多数关于本体匹配的研究都集中在了如何提高匹配结果的质量上。然而,一方面,在许多情况下,匹配结果的正确与否直接依赖于用户的判断,另一方面,由于一些描述现实世界的本体十分庞大,匹配工具往往不能及时为用户提供可供确认的匹配对。为此,提出了一种基于语义模块的交互式本体匹配框架。借助信息论的相关知识,将本体聚类成语义模块。用户利用模块核心结点信息对模块的内容进行推断,从而将大规模的本体匹配任务转换为数个规模较小的语义模块间的匹配任务。通过合理地增大用户在匹配过程中的作用,试图在保证匹配质量的同时提高匹配效率。已获得的实验结果表明该方法能显著提高本体匹配任务的效率。     

基于知识图的领域本体构建方法

提出了一种基于知识图的领域本体半自动构建方法。以《知网》为语义知识资源,知识图为语义表示方法,采用成熟的软件工程流程,最终构建出的领域本体具有结构明确、语义清晰的特点。对于在其上的语义网、信息抽取等应用提供了有效支持。介绍了本体的概念、设计的准则、建模的流程,并对未来的本体的移植性进行展望。实验结果表明该方法在不确定性知识处理上优于传统本体构建方法。     

OWL本体构建方法的研究

通过分析语义网的特点和对本体构建方法以及本体表示语言的要求,提出了一种新的使用OWL构建本体的方法.该方法分4步详细论述了构建本体的过程,解决了现实领域知识到计算机可以理解的形式化编码的转化问题.最后采用该方法构建食物链本体验证了该方法的有效性.     

基于本体的B2B电子商务MAS模型及商品匹配算法

随着B2B电子商务特别是电子集市的发展,企业进行电子交易更加灵活、方便,但同时由于大量信息的异构性也带来了信息集成上的问题,而且这一问题已成为B2B电子商务发展的瓶颈。文章建立一种基于本体的多Agent模型,增加GMAg(Goods Matching Agent)用于商品的识别和自动匹配,综合考虑商品组件概念和属性组件概念的语义相似度,提出基于商品本体结构语义相似度匹配算法,解决了异构商务系统之间商品信息自动匹配问题。通过一个汽车领域的实例计算,说明其匹配精度和效率。     

语义网服务中的本体综述

作为实现下一代Web的集成方案,语义网服务将语义Web技术和Web服务技术相结合,以支持Web服务的自动发现、选择、合成和执行.本体是语义网服务的理论基础.介绍了Web资源描述本体OWL和Web服务描述本体的概况,并对3种主流的Web服务语义描述框架进行对比分析,为语义网服务中本体的创建提供基础知识.研究了语义网服务中存在的各层次的本体异构问题,明确了语义网服务中本体集成的主要研究方向.     

基于本体的语义标引研究与实现

标引是资源管理与检索的基础.传统的标引方式仅停留在关键字异同的逻辑层面,忽略了文档语义层面上的信息.以本体的知识组织体系为基础,以抽取文档的语义向量为目标,提出了基于本体的语义标引思想,为基于概念匹配的语义检索创造条件.为了更清晰的描述标引过程,建立了基于本体的语义标引模型,并对模型中各环节进行详细的功能定义.参照具体的实例本体进行实验和分析.     

动态分块调节机制下的大规模解剖学本体匹配

传统的匹配系统采用固定分块的方式处理大规模解剖学本体,普遍存在语义信息的丢失,影响了匹配效果。为此,提出一种动态分块调节机制,将按匹配情况确定的实体不断地重新分配到目标块中,动态地调节各个分块,从而尽可能地保留语义完整性。此外,针对该问题计算复杂度高的特点,引入了紧凑进化算法对子匹配任务中的阈值以及进行实体重新分配的块标志位优化,并设计了一种精英解参与的概率向量更新方式对该算法进行改进。实验在OAEI(ontology alignment evaluation initiative)的Anatomy测试集上进行,验证了所提方法对匹配结果质量的提升。此外,和其他匹配系统的对比也展示了所构建匹配系统的先进性。     

基于过滤级的语义Web服务发现策略

语义Web与Web services有很强的互补性,在现有技术条件下二者的统一构建了新一代Web服务--语义Web服务.描述了语义Web服务发现的任务,提出了一种基于过滤级的发现策略,最后给出了各级匹配的具体算法.基于过滤级的语义Web服务发现策略明显地缩减了服务匹配的空间,并大大提高了服务发现的时间效率.同时,相关技术还在进一步的研究中.     

基于遗传规划和主动学习的本体实例匹配

针对现有实例匹配方法存在的准确率和学习效率不高的问题,提出了一种新的基于遗传规划和主动学习的链接规则学习方法,并用于本体实例匹配。设计了更合理的链接规则表示,并针对链接规则的特点,对遗传规划的初始种群产生、适应度函数和进化算子进行了详细设计。提出了一种考虑样本相关性的主动学习采样策略,使得稀有样本被优先训练。实验结果表明,该方法不仅学习效率更高,而且能够学习出高质量的链接规则,取得了较好的本体实例匹配结果。     

基于本体技术的Internet智能搜索研究

对当前互联网的搜索引擎中的优点与缺点进行了深入的分析,基于最新理论研究成果,给出了一种基于本体的搜索技术,利用本体在语义上的优点实现了真正的智能搜索,最后给出了搜索引擎的框架结构与实现思想.     

利用onto1ogy实现的多库知识获取方法

在ontology研究的基础上,提出了一种基于ontology的多库知识获取(OBMDKA)方法.考虑到不同用户有不同的表述习惯,引入自然语言理解(NLU)子系统和用户ontology,在正确理解用户语义的前提下方便用户查询.同一知识的表示形式是多种多样的,按不同的表示形式将其分别存放在不同的库中.利用领域ontology对待查找知识进行分类,使查找更加准确全面.