基于语义查询本体的语义网文档检索

语义网的发展使人们需要对语义网文档进行检索.为了在不需要专业知识和技巧的情况下让用户能形成语义的查询,提出了一种基于本体可以在结构化的知识库里检索语义网文档的算法.通过将自然语言查询术语映射到词汇意义来构造查询本体,以及检索跟查询本体最相似的语义网文档,提高了对语义网文档检索的查准率,使用户能更好地利用语义检索服务.     

语义网

语义网WWW使得人们获取信息和指定服务的主要源泉发生了重要转变。然而,当前Web网仅仅是面向人的。目前,大部分Web网是一种人机系统。如果要从Web网得到什么,必须输入一个统一资源定位器(URL)地址,打开一个收藏地址,使用搜索引擎等等。机器可以理解的信息:语义Web与此相反,语义     

不精确性语义网本体:语义、模型与表示

为了支持语义网对不精确性知识的机器理解与机器推理,提出了不精确性语义网本体的设想。通过分析"不精确性"和"概念"的语义,界定不精确性包括模糊性和粗糙性,其分别源于人脑形成概念时所采用的圈定方式和导出方式,进而指出不精确性概念实际上就是模糊粗糙概念,而不精确性偏序关系并不实际存在,由此推证出不精确性语义网本体的集合表达式模型即模糊粗糙概念偏序集。给出了该模型的两种实用性表示形式:模糊粗糙概念表和模糊粗糙概念格,后者具有约简性和惟一性的良好性质,据此可编写简洁规范的OWL文档,从而支持语义网的实际运行。     

语义网初探

语义网是对WWW的延伸,其目标是使得Web上的信息具有计算机可以理解的语义,并为人们提供各种智能服务。在介绍语义网概念及其体系结构的基础上,对3大关键技术:XML、RDF、Ontology作一简要的概述,讨论了其要解决的主要问题,明确今后主要的研究方向与重点问题。     

基于语义的垂直搜索引擎的研究

随着人们对互联网信息检索要求的不断提高,传统的基于字符匹配的搜索技术已不能满足需求.虽然语义网技术在解决智能搜索方面取得了很多成果,但由于复杂度、性能等多方面的原因,目前Internet上几乎还没有成熟的基于语义的信息检索工具.文章提出了一种采用语义网和搜索引擎技术的检索方案,能降低语义检索复杂度,提高检索性能.     

基于本体的领域Web搜索模型与架构

随着互联网的发展,传统搜索引擎越来越不能满足人们检索信息的需要,而语义网技术又不够成熟,在此情况下构建领域本体库用于领域检索是一个行之有效的方法。文章基于语义网应用基础技术,特别是本体技术,构建了一个计算机文献检索系统的框架,有一定的参考价值。     

语义网关键技术概述

语义网是对WWW的延伸,其目标是使得Web上的信息具有计算机可以理解的语义,并为人们提供各种智能服务.在介绍语义网概念及其体系结构的基础上,对3大关键技术:XML、RDF、Ontology作一简要的概述,讨论了其要解决的主要问题.在把握当前研究现状的基础上,明确今后主要的研究方向与重点问题.     

基于知网的概念匹配细粒度化研究

基于知网的语义结构,构建了具有添加和删除特点的语义树,使概念的匹配粒度实现细化,并给出了概念语义树匹配算法。实验结果证明了算法的有效性,较好地解决"关键字障碍"和语义歧义性问题,提高查全率。     

语义网、语义网格和语义网络

语义网、语义网格和语义网络是三个容易混淆的概念,语义网是对WWW的延伸,其目标是使得Web上的信息具有计算机可以理解的语义,并为人们提供各种智能服务;语义网格是语义Web和网格相结合产生的新的研究领域;语义网络是知识的一种图解表示,它由节点和弧线或链线组成.通过对三者的概念、特征、应用等方面进行介绍从而说明了三者的联系以及不同,并说明了今后对三者的研究方向和重点问题.     

基于语义拓扑网的反馈学习技术

为了从海量数据中快捷有效地获取所需的信息,提出了语义拓扑网的概念以及基于语义拓扑网的反馈学习方法。通过将数据对象的内容特征与语义特征进行有机地结合并构成语义拓扑网。在反馈过程中利用语义拓扑网,不断学习记忆并指导搜索。实验表明,基于语义拓扑网的反馈系统具有良好的学习能力与记忆能力,能有效地提高榆索系统的性能。     

融合《知网》和搜索引擎的词汇语义相似度计算

针对当前《知网》的词语语义描述与人们对词汇的主观认知之间存在诸多不匹配的问题,在充分利用丰富的网络知识的背景下,提出了一种融合《知网》和搜索引擎的词汇语义相似度计算方法。首先,考虑了词语与词语义原之间的包含关系,利用改进的概念相似度计算方法得到初步的词语语义相似度结果;然后,利用基于搜索引擎的相关性双重检测算法和点互信息法得出进一步的语义相似度结果;最后,设计了拟合函数并利用批量梯度下降法学习权值参数,融合前两步的相似度计算结果。实验结果表明,与单纯的基于《知网》和基于搜索引擎的改进方法相比,融合方法的斯皮尔曼系数和皮尔逊系数均提升了5%,同时提升了具体词语义描述与人们对词汇的主观认知之间的匹配度,验证了将网络知识背景融入到概念相似度计算方法中能有效提高中文词汇语义相似度的计算性能。     

语义网起源与发展研究

在对目前Web存在的主要问题进行了分析的基础上,介绍语义网,并针对语义网优势和特征进行了论述,展望了语义网的发展前景。     

语义网站点的发现与排序

随着语义网中RDF数据的大量涌现,语义搜索引擎为用户搜索RDF数据带来了便利.但是,如何自动地发现包含语义网信息资源的站点,并高效地在语义网站点中收集语义网信息资源,一直是语义搜索引擎所面临的问题.首先介绍了语义网站点的链接模型.该模型刻画了语义网站点、语义网信息资源、RDF模型和语义网实体之间的关系.基于该模型讨论了语义网实体的归属问题,并进一步定义了语义网站点的发现规则;另外,从站点链接模型出发,定义了语义网站点依赖图,并给出了对语义网站点进行排序的算法.将相关算法在一个真实的语义搜索引擎中进行了初步测试.实验结果表明,所提出的方法可以有效地发现语义网站点并对站点进行排序.     

基于QoS的语义Web服务组合研究

Web服务技术与语义网技术的发展,产生了一个新的研究领域——语义网服务。语义网服务利用本体技术增强了Web服务的语义表达能力,使服务的发现与执行,组合与交互更加自动智能化。关注Web服务的非功能属性,即服务的QoS属性,研究分析了基于QoS的语义网服务组合工作,提出了一个Web服务的QoS本体模型,并讨论了该模型在语义网服务组合工作中的应用。     

Web服务语义描述的架构

介绍了语义网在Web Service中的应用。在介绍语义网体系结构的基础上，讨论了语义网核心层XML层、RDF层、ONTOLOGY层的前相关技术，最后，就语义网的应用与当前Web Service中的一些应用技术作了简要比较。     

基于F—logic的概念语义网

该文用Ｆ－ｌｏｇｉｃ程序写出了一个概念语义网Ｆ－Ｎｅｔ，从而指出了实现语义网的一种可能的新方法，用Ｆ－ｌｏｇｉｃ来实现语义网的优点是；可以利用Ｆ－ｌｏｇｉｃ程序对该语义网的语义网的语义模型进行了研究。而这一点现有的其它语义网实现方法都无法做到。     

基于语义的Web挖掘

基于语义的Web挖掘是使用从现有Web数据中抽取的语义或直接使用Web数据中已有的语义结构来帮助Web挖掘。它有效地结合了语义网和Web挖掘两个领域的研究成果,既可以通过开发新的语义结构来帮助Web挖掘,又可以利用挖掘结果促进语义网的创建。本文介绍了基于语义的Web挖掘的基本思想和研究现状,分析了语义网和Web挖掘相结合的优势,并详细论述了国际上关于利用数据挖掘技术创建语义网,利用语义挖掘Web数据和直接挖掘语义网三个方面的研究工作。     

基于关键词的语义网数据查询研究综述

语义网数据的关键词查询是语义网研究的一个重要问题。首先给出语义网数据关键词查询的相关定义。根据研究目标不同,将已有解决方案分为混合型和非混合型的语义网数据关键词查询,后者又分为K-A和K-呀A两种查询方法。调研了上述分类中当前常用的解决方案和研究进展。在此基础上,进一步介绍并比较了8个具有代表性的语义网数据关键词查询工作。最后讨论存在的挑战,并指出未来可能的研究方向。     

基于Ontology的语义检索技术

基于Ontology的语义检索是建立在语义网的基础上的检索技术。与传统的检索技术相比,它能提高检索的精度和覆盖率,减少了不相关的返回结果。文章首先介绍了语义网和Ontology的基本概念及如何创建基于Ontology的语义网,然后详细讨论了基于Ontology的语义检索的基本思想,基本结构及语言,最后描述了基于Ontology语义检索的应用系统,并分析了基于Ontology语义检索技术下一步的发展方向。     

语义网中几种描述语言的比较研究

本体语言用于形式化描述Web文档中词汇的含义,在语义网中占有重要的位置。文中主要介绍了语义网的产生及其意义,并以语义网中描述语言的层次为出发点,比较了XML/XML Schema,RDF/RDF Schema及OWL(Ontology WebLanguage)的功能和作用。从描述语言表达能力的各个方面,比较这三种语言的关系和差异,并举出例子来说明OWL在语义网中的应用。