一种基于本体的自然语言语义相似度算法

基于图理论的概念间语义度量方法,改进了语义相似度部分影响因素,提出一种结合设计良好的领域本体来计算自然语言概念间的语义相似度的算法.对自然语言与本体的关系进行分析,并通过本体对节点密度、节点深度与节点层次顺序等影响概念语义相似度的因素进行了改进,综合考虑概念的语义距离、概念间关系、概念的属性与概念所处的层次等影响因素,利用本体对相关领域的基本术语和关系的准确定义,改进了基于本体的概念间语义相似度的算法.实验结果表明,该算法对于提高概念间相似度的计算精度明显高于其他算法.     

面向属性概念格基于覆盖的压缩

提出了一种直接从形式背景出发,获得简化面向属性概念格的方法。针对一个形式背景,引入对象集和属性集上的相似度,产生对象邻域与属性邻域,进而根据对象的相似程度或属性的相似程度来调整对象邻域或属性邻域的大小,控制面向属性概念格节点的个数,实现对面向属性概念格的动态压缩。该方法可以分别从对象的覆盖和属性的覆盖两个角度压缩面向属性概念格中节点的个数,且压缩后的概念集为原概念集的子集,从而达到简化知识库的效果。     

基于形式概念分析的属性约简

为找到属性约简的直接判断方法,对形式背景的属性特征问题进行讨论。在一个给定的形式背景中,通过建立属性之间的相似关系,定义了属性的相似类,分析了属性之间的相似程度,给出了属性的不同特征,根据这些特征,实现了对属性约简的直接判断。最后,通过实例分析说明该方法是一种有效合理的属性约简的直接判定方法。     

融合概念格约简的中文领域本体学习方法

在基于形式概念分析的中文领域本体学习中,为提高概念格构建效率,将概念格约简理论应用于概念格构建中。首先对基于语义依存分析获取的形式背景进行对象和属性约简,然后基于约简的形式背景采用Godin算法构造概念格,最后根据修复定理修复约简概念格,得到完整的概念格。通过有关对萝蘼科植物的文本学习,得到一个萝蓐科植物领域本体。实验结果表明,引入概念格约简理论,概念格的构建效率提高70％,进而提高了领域本体构建的效率。     

贝叶斯分类的概念相似度算法

本体映射是本体异构的主要解决方法,而概念相似度计算则是本体映射的关键.针对目前概念相似度算法缺少语境信息的问题,提出了一种基于贝叶斯分类的概念相似度算法.该方法利用概念注释、借助语义词典Wordnet对概念扩充,利用贝叶斯分类技术确定相似概念,在一定程度上提高了相似度计算的准确率.实验表明该方法是切实可行的.     

面向文本的本体学习方法

借助文本预处理工具Gate和通用本体Word Net,采用统计、频繁项挖掘、模式匹配、启发式学习和主动学习等技术,学习本体基元——概念(含实例)、概念间的分类关系、概念间的语义关系和概念属性,其中概念属性学习为本文首次提出。实验结果表明,本文方法改善了概念语义排歧效果,丰富了短语概念学习与语义关系学习,提高了本体自动构建的准确度,降低了本体学习的代价。     

基于形式背景的属性约简关系

基于形式背景,提出面向属性的概念格的粒协调集及粒约简的概念,给出面向属性的粒协调集判定定理,并借助区分属性给出面向属性的粒约简计算方法,讨论了形式背景的粒约简、面向属性的粒约简以及分类约简之间的关系,证明了面向属性的粒协调集都是分类协调集。最后以实例说明相关约简的计算方法。     

基于OWL的工作流异常处理建模方法

针对工作流异常和本体的特点,提出了任务属性的概念和基于网络本体语言(Webontology language,OWL)本体推理及属性驱动的异常识别方法。任务属性扩展了工作流活动模型(Workflow activity model,WAMO)模型的事务属性,并附加在流程任务之外,利用OWL本体语言对其进行描述,通过任务属性建立起任务异常与处理模式之间的映射关系。在任务发生异常后,OWL本体推理机通过已定义的映射关系使任务异常检索到异常本体中根据属性描述的异常处理模式,进而对任务异常做出相应的处理。由于OWL的定义是增量式的,并且具有通用资源标识符,因此不仅可以使异常处理机制通过语义而非关键字来识别任务异常的处理模式,而且还能在分布式环境下对异常知识库进行扩展式开发,减少知识库开发的工作量。     

复杂产品工艺知识的语义本体表达方法

针对知识技术在产品工艺知识资源管理的可用性现状,在分析面向企业协同设计的复杂产品工艺知识多元化特点的基础上,提出一种面向语义的复杂机械产品工艺知识领域本体的表示和构建方法,通过利用本体建模工具建立工艺知识本体的结构模型,并采用描述逻辑语言对工艺知识进行形式化描述。针对不同知识本体间在语义层面上的关联,引入产品工艺知识本体概念间相似度和相关度的语义评价方法,设计了一种面向语义的本体概念集关系度量,进一步对语义本体工艺知识进行检索和聚类,保证了复杂产品工艺知识的集成与共享的实现。     

基于概念提升的概念格更新构造算法

概念格因其结构生动简洁地表明概念之间的泛化一例化关系,成为一种有效的数据挖掘工具。然而直接从形式背景中直接构造概念格的效率较低,为了提高概念格的构造效率,针对形式背景中的多个属性合并,给出了一种基于概念提升的概念格更新构造算法UCP．该算法充分利用了属性合并之前的概念格,仅对部分概念结点进行更新处理,从而提高了概念格的构造效率。最后,以恒星光谱数据作为形式背景,采用VC＋＋6．0和Oracle9i为开发工具,实验验证了该算法的有效性。     

语义驱动的Ontology聚类

提出了一种基于语义的Ontology相似性计算方法,该方法不仅考虑概念本身的相似性,还考虑了属性集合和相关概念集合的相似性,通过概念基本相似性极限控制属性集合相似性计算的可能性,通过语义半径控制相关概念集合的范围.将基于语义的Ontology相似性方法和凝聚层次聚类算法相结合实现了基于语义的Ontology聚类.实验表明:基于语义的Ontology聚类在性能上优于使用oMAP相似性方法的Ontology聚类.     

Case-based retrieval approach for machining fixture design utilizing ontology

In order to develop an intelligent case-based reasoning （CBR） system to reuse fixture de- sign knowledge, ontology technology was integrated in CBR system by semantic annotation of fixture design case. Domain ontology of fixture design was constructed; concepts and relations were de- fined and represented. The 2-level similarity evaluation approach of domain ontology was presented. The concept similarity of cases was calculated as the first grade case retrieval. Numerical measure- ment was the second grade case retrieval, which adopted various methods to calculate different types of attribute values. The problem of similarity measurement of fixture design case was resolved. Pro- totype system based on the proposed method was illustrated and the retrieval approach was proved to be efficient.     

基于本体的粒度计算模型

本文描述了基于本体的粒度计算模型。利用Ontology技术,给出了概念的形式化表示,并构造出一种新的粒度计算模型以及该模型的相关定义。     

基于模糊概念格的Web搜索结果聚类算法

提出了一种模糊形式概念分析方法,给出了在对象和属性的模糊二元关系上生成模糊概念格的过程．提出了一种在格的拓扑序列上进行概念聚类的快速算法,并且定义了概念聚类间基于偏序的层次关系．该方法利用格理论解决了概念聚类中概念间的多重继承关系,应用在Web搜索结果聚类上,实验结果表明算法在聚类质量和检索性能上都有改进和提高．     

一种基于语义网的个性化学习资源推荐算法

在E-learning环境中,为了满足用户对学习资源的个性化需求,提出了一种基于语义网技术的学习资源个性化推荐算法。首先根据用户评价和浏览行为得到用户感兴趣的学习资源集合与核心概念集合,然后根据领域本体中概念间的关系分别计算不同用户评价的学习资源集合间的语义相似度和核心概念集合间的语义相似度,最后根据得出的两个相似度值共同决定用户兴趣偏好的相似性,找到具有相似兴趣的最近邻居,从而实现学习资源的协同推荐。此外,在学习资源管理上引入了学习对象概念,降低了相似度计算的复杂度。并将该算法应用到了基于语义网的个性化学习资源推荐系统中,实验表明,该算法有效改善了学习资源推荐效果,特别是对于新加入的资源和新注册用户效果显著。     

基于粒计算的语言概念决策形式背景分析

针对具有语言值信息的决策问题,结合语言术语集和信息系统,提出语言决策信息系统和语言概念,并讨论语言概念的相关性质。通过转化语言决策信息系统,提出语言概念决策形式背景。为扩展语言概念格的内涵和外延,压缩语言概念的规模,通过将语言概念粒化,提出粒化语言概念决策形式背景。将粒计算引入到粒化语言概念决策形式背景中,利用覆盖度与置信度,构造一种基于粒计算的语言概念决策形式背景的规则提取模型。医学诊断实例表明该方法在获取高质量规则中的有效性及实用性。     

Ontology-based question expansion for question similarity calculation

A new ontology-based question expansion (OBQE) method is proposed for question similarity calculation in a frequently asked question (FAQ) answering system. Traditional question similarity calculation methods use "word"to compose question vector, that the semantic relations between words are ignored. OBQE takes the relation as an important part. The process of the new system is:① to build two-layered domain ontology referring to WordNet and domain corpse;② to expand question trunks into domain cases;③ to use domain case composed vector to calculate question similarity. The experimental result shows that the performance of question similarity calculation with OBQE is being improved.