本体的查询与推理研究

现今,计算机网络被广泛应用于生活的方方面面,而从海量的信息中搜寻出人们所需要的还存在诸多问题,于是产生了本体的概念.而本体的查询和推理是基于本体的应用中重要的组成部分,研究的目的是为了使知识得以充分表达并且对信息的查询更加精确、完备.首先介绍了本体的概念并建立本体模型,然后用本体查询语言SPARQL对已有模型进行查询并用SWRL对模型进行语义规则的扩充;最后介绍了Jena,并对本体模型进行推理,由此获得了更多知识.结论就是,在利用SPARQL和Jena进行查询与推理的过程中,推理将提高查询能力,而规则是提高推理能力的关键     

利用语义网技术实现铁路交通的地理语义查询(二)——从关系数据库中创建本体与定义推理规则

介绍了根据SQLite关系数据库中的数据创建火车站点本体并生成OWL文件,分析了铁路交通的模糊查询和精确查询,定义相应的本体语义推理规则和SPARQL语句,使用Jena的推理机设计本体推理类,这一部分是实现铁路交通地理语义查询的核心工作。     

权限扩展RBAC模型的本体表示和实现

针对基于角色的访问控制(RBAC)模型对权限实体的刻画能力不足,提出了带权限层次扩展的RBAC模型。为结合本体在知识表示和推理方面的优势,提出了该模型的本体表示和实现方法。该方法使用Web本体语言(OWL)表示该扩展模型,借助语义Web规则语言(SWRL)定义模型中应用逻辑规则,隐式授权知识经规则推理获得。在此基础上,通过SPARQL协议和RDF查询语言(SPARQL)查询命令生成显式和隐式授权视图,实现系统安全状态分析。最后,给出了具体应用示例,表明该方法的可行性。     

基于本体的推理在行业信息化知识库中的应用

行业信息化知识库是一类结构复杂、功能繁多的系统,为解决知识库中知识共享和重用问题,利用本体论对行业信息化知识进行抽象和分析,并基于本体论进行行业知识关联,在已建好的行业知识本体基础上,介绍和分析语义推理工具Jena,包括推理所涉及的问题、Jena的各组成部分及其推理机制。介绍推理规则的语法,并给出一个Jena在语义推理方面的具体应用。实验结果表明,它能有效提高用户的查准率。     

本体的查询与推理机制研究

首先介绍了本体的定义并对其查询模型进行了探讨,然后在对已有的本体查询语言进行了比较和评价后认为,要充分利用本体的模式信息进行查询就必须提高查询的推理能力,重点对DQL(OWL-QL)的逻辑基础和推理机制进行分析,并提出本体查询语言的发展应该是在本体Web语言上进行语义规则的扩充。     

基于推理的语义网检索模型及关键技术研究

为解决语义网检索过程中缺少推理导致语义检索性能不高的问题,提出一个基于推理的语义网检索模型,并介绍了该模型实现的关键技术.针对构建的领域本体,使用SWRL规则语言进行本体完善把本体中的隐性知识表示出来;在信息抽取过程中,对于识别出的实体,利用推理规则,获得更加丰富的实例知识库;对于用户输入的查询条件,利用完善的本体知识库及规则得到更多的相似概念实现查询扩展;进行语义匹配,获得更为精准的检索结果.实验结果表明,该模型能提高信息检索的语义性,得到较满意的信息检索结果.     

ApplicationOntology本体构建及SPARQL查询研究

针对当前智能手机应用安全知识等信息的共享及复用问题,采用本体技术实现了智能手机应用本体APPO (ApplicationOntology)的建模。首先,利用本体描述语言OWL(Web Ontology Language)对APPO中的概念及概念之间的关系进行知识表示,建立了一个语义表达准确的领域本体。其次,利用本体查询语言SPARQL实现基于RDF三元组的各类相关查询。最后,在此基础上,借助本体推理机制进行了推理研究,并结合实例,验证了研究内容的可行性和实用价值。     

基于Jena的城市交通领域本体推理和查询方法

通过对城市交通信息进行抽象和分析,建立了城市交通领域本体库,并持久化存储到关系数据库。对比分析了基于Jena的语义推理机制及其所涉及的问题。构造交通信息的推理规则并在Jena平台下实现该领域基于语义的检索和路径查询功能,得出潜在的语义查询结果,给出了实现算法的描述和实验结果。为交通领域提高信息检索的查准率和查全率提供了一个有效的方法。     

基于本体的物流应急预案表示及应用*

为让计算机智能地处理物流应急预案,将每个物流应急预案表示为一个应急预案本体,通过计算概念和应急预案本体的相关程度,从而找到所需物流应急预案。用OWL:imports和Jena规则可连接应急预案本体,从而形成内容更全面的预案,但会破坏原有应急预案本体语义,产生不一致问题,所提出的约束原则有效避免了这一问题。应用SPARQL查询应急预案本体,并通过自定义原语和规则弥补应急预案本体在表达能力上的不足,以有效地对应急预案本体进行推理,从而找到所需结论,进而实现了基于本体的物流应急预案的表示和应用。利用本体的语义表     

基于永久本体的上下文信息推理的应用研究

介绍了本体的定义及其描述语言,OSGi服务网关模型及其架构,接着提出基于本体推理的智能家庭网关概念及其框架结构,并对其原理和上下文信息本体进行了描述以及构造了上下文本体,并且利用Jena框架的推理接口来实现了上下文的基本推理,最后是一个例子及其代码。     

SPARQL graph pattern rewriting for OWL-DL inference queries

This paper focuses on the issue of OWL-DL ontology queries implemented in SPARQL. Currently, ontology repositories construct inference ontology models, and match SPARQL queries to the models, to derive inference results. Because an inference model uses much more storage space than the original model, and cannot be reused as inference requirements vary, this method is not suitable for large-scale deployment. To solve this problem, this paper proposes a novel method that passes rewritten SPARQL queries to the original ontology model, to retrieve inference results. We define OWL-DL inference rules and apply them to rewriting Graph Patterns in queries. The paper classifies the inference rules and discusses how these rules affect query rewriting. To illustrate the advantages of our proposal, we present a prototype system based on Jena, and address query optimization, to eliminate the disadvantages of augmented query sentences. We perform a set of query tests and compare the results with related works. The results show that the proposed method results in significantly improved query efficiency, without compromising completeness or soundness.

浅层语义分析及SPARQL在问答系统中的应用

为了解决受限域问答系统中答案抽取的问题,提出了一种基于浅层语义分析的问答系统模型。该模型以自然语言为接口,利用医院信息本体,采用浅层语义分析技术,由语义块定义规则和语义块判定规则,首先生成问句向量,然后利用SPARQL查询技术,在本体中进行查询,从而得到答案。实验表明该方法可行,对自动问答系统的设计具有借鉴意义和深入研究的价值。     

基于间断区间的时间本体表示及应用

通过间断区间的时态理论扩展了OWL-Time,用在本体中表达单个事件带间断时区的情况。在本体中定义了间断区间概念以及间断区间的时态关系,并以物流领域运输事件的表示为例阐述了领域中基于间断区间的时间知识在本体中的表示方式。通过定义Jena中的原语、规则以及扩展对推理模型的操作构建了相应的推理机,对推理机进行实验检验,不仅验证了推理机运行的正确性,同时也保证了时间知识在本体和规则中表示的正确性,解决了带间断区间的时态知识在语义网中表示和推理的问题。     

Approximation and relaxation of semantic web path queries

Given the heterogeneity of complex graph data on the web, such as RDF linked data, it is likely that a user wishing to query such data will lack full knowledge of the structure of the data and of its irregularities. Hence, providing flexible querying capabilities that assist users in formulating their information seeking requirements is highly desirable. In this paper we undertake a detailed theoretical investigation of query approximation, query relaxation, and their combination, for this purpose. The query language we adopt comprises conjunctions of regular path queries, thus encompassing recent extensions to SPARQL to allow for querying paths in graphs using regular expressions (SPARQL 1.1). To this language we add standard notions of query approximation based on edit distance, as well as query relaxation based on RDFS inference rules. We show how both of these notions can be integrated into a single theoretical framework and we provide incremental evaluation algorithms that run in polynomial time in the size of the query and the data, returning answers in ranked order of their ‘distance’ from the original query. We also combine for the first time these two disparate notions into a single ‘flex’ operation that simultaneously applies both approximation and relaxation to a query conjunct, providing even greater flexibility for users, but still retaining polynomial time evaluation complexity and the ability to return query answers in ranked order.     

基于自然语言理解的SPARQL本体查询

为了用户能够方便地获取本体知识,提出了基于自然语言理解的SPARQL本体查询。利用Stanford Parser分析用户的自然语言查询,根据语法构建查询三元组,与关键词的方法相比,有效地减少了组合的个数。结合用户词典,能较准确地把查询三元组的词汇映射到本体实体。分值计算时除了考虑词语的形式相似和语义相似外,还考虑了概念的模糊性,尽量返回具体的概念。利用本体推理获取隐藏在本体中的信息,对查询进行过滤和限制,提高了准确率。用户通过图形交互界面和系统进行交互,选择需要的结果,最后返回树形查询结果,并能看到相关的信息。实验结果表明,该方法达到了预期的效果。     

课程知识本体建模及推理

以计算机网络课程领域为例,研究并实现本体建模,利用Jena对其进行解析与推理,构造推理规则,设计一个基于本体的课程资源查询系统,对其体系结构及功能进行描述。实验结果证明,该方法能够解决传统学习资源查询缺乏语义支持的问题,比传统的学习资源查询有更高的查全率和查准率。     

一种支持软件知识共享的本体模型研究

为了支持分布式环境下项目团队成员之间软件开发知识有效的共享,需要对软件开发知识以及它们之间的关系进行分析和定义。根据软件开发知识的内容、特点以及它们之间的关系,对软件开发知识进行了形式化的表示,并创建了软件开发知识本体和软件开发知识本体规则。通过protégé 和Jena实现对此本体的创建、存储和对此本体规则的SPARQL形式转换,据此形成知识本体库来支持软件开发知识共享。     

关联数据的自然语言查询方法

以RDF结构为基础的数据网的发展中,高效数据检索成为关键问题之一。形式化查询语言(如SPARQL)因其语法的复杂性及查询本体的相关性阻碍其效用的发挥,迫切需要新的方法或工具实现以自然语言为基础(如关键字检索)的检索。形式化查询语言是检索这类结构化数据的有效方式,用户习惯自然语言为基础的检索方式。因而如何自动将关键词为基础的检索方式转换成以形式化查询为基础的检索方式是实现数据网的重要一环。关联数据的自然语言查询方法自动将自然语言查询转换成SPARQL查询,提高系统的有效性和效率。文中在抽象转换度量模型的基础上,以本体为基础构建查询语义图及实现语义消歧,构建SPARQL查询。实验结果表明,该方法具有更高的召回率、精度及更低的时间消耗。