基于领域本体的语义合成研究

为了在检索过程中全面挖掘用户查询信息,文中提出了一种基于领域本体的语义合成技术,该方法以文本为数据源,引用数据源和领域本体之间的映射关系来表达数据文本的语义.文章提出了一个语义合成模型,该模型由领域本体、关键词语义抽取、概念语义相似度计算及语义推理等相关技术模型组成.文中对该模型进行了实验验证,通过对实验结果进行分析推理可知,文中提出的基于领域本体的语义合成模型提高了检索系统的查准率和计算机处理信息的能力,从而也提高了用户的满意度.     

基于粗糙度的近似概念格动态分类集成学习模型研究与应用

概念格(Galois格)是一种进行数据分类学习的有效工具,然而建格规模庞大使分类效率和准确率受到较大影响.将粗糙度理论应用到概念格分类问题研究中,提出一种新型的近似概念格动态建格和分类挖掘集成学习模型(CACLR).该模型在粗糙度区间根据样本空间分布构建多个相对独立分布且比较精确的近似概念格分类器,能及时消除建格过程中大量与分类知识无关的节点,有效缩减原格规模,融合得到的分类挖掘集成学习模型,具有较好的粗糙分类精度和知识预测学习能力.最后进行CACLR分类集成学习模型在标准UCI数据集中的对比实验,有效验证了该模型的实用价值.     

考虑搜索行为与节点内容的P2P搜索方法①

针对基于兴趣驱动的P2P搜索方法在挖掘节点兴趣和扩展搜索兴趣的上下文语义等方面不足,改进Social-P2P算法,给出考虑搜索行为和节点内容的P2P搜索方法。引入概念格理论,根据节点内容和用户搜索行为建立朋友列表,以朋友列表为形式背景构造概念格,建立兴趣域。搜索消息在概念格内查询,缩短搜索路径和减少搜索消息,概念偏序关系扩展查询消息的上下文语义,增强搜索精确度。实验验证该方法比Social-P2P搜索方法和泛洪搜索方法具有更好的召回率和精确率。     

一种基于概念格属性约简的本体合并方法

提出一种基于概念格属性约简的本体合并方法。该方法先对源本体中的概念进行外延和内涵的分析,以此为形式背景构造概念格。对所构造的概念格进行属性约简,删除本体合并中的冗余信息,约简绝对不必要属性,以最少的信息精确地反映概念格及本体的本质和结构。最后通过实例分析此方法的可行性。     

基于FCA的对象与属性交叉渐进的情感本体学习

提出了一种基于形式概念分析的渐进式情感本体学习的算法。该算法通过动态交叉添加对象和属性来生成概念格,从而从概念格当中抽取情感本体,最终实现情感本体的学习过程。给出了算法的描述,并结合实例说明了本体学习过程。     

基于云模型定性规则推理的分类方法

根据粗糙集原理和模糊集理论,提出了一种基于云模型定性规则推理的分类方法,利用云的相关理论获得多条件单规则中包含隶属度的决策表,结合模糊模式识别技术进行样本分类。针对一些数据对象分别隶属于不同类别的情况,用定性概念来代替模糊集中的定量数据并建立二元关系,能对连续型数据进行更为简单合理的＂软＂分类,从而使基于定性概念的算法模型符合人类思维方式。     

本体映射的进化研究

本体映射的进化是本体研究中待研究的课题之一。本文首先给出本体和本体映射形式化定义,在此基础上讨论本体变化后的映射进化方法。将本体变化类型分为删除、增加、修改,针对不同的类型提出本体删除后的映射进化算法、本体增加后的映射进化算法和本体修改后的映射进化算法。实验结果表明该方法能基本解决本体映射的进化问题。最后指出算法中存在的挑战,并给出进一步研究的方向。     

概念格的渐进式维护算法

由二元关系导出的概念格是一种非常有用的形式化工具,也很适合于发现数据中潜在的概念。概念格的算法一直是数据挖掘领域研究的热点。本文根据需要对概念格的结构进行一定的修改,采用一个带头、尾指针的链表作为整个算法的数据结构,提出概念格的渐进式维护算法,该算法中包含两个算法,即渐进式构造算法和渐进式删除算法。最后,通过将该算法和其他算法进行比较,得出较好的时间和空间效率。     

面向对象的数据模型设计方法的研究与实现

应用程序处理的数据大部分来源于数据库,数据库中的数据与应用程序交互的数据模型接口存在差异,如何利用更适合应用的＂概念模型＂来处理数据库中的数据,简化应用程序的设计和调用,是软件设计师和数据架构师必须合作解决的问题。利用概念模型的方法将数据在存储和调用过程中的复杂问题简易化,从而为大型应用程序的数据处理提供一种方法。     

办公自动化理性浅析

办公自动化是一个内涵丰富的大概念。我们需要运用系统工程的思想和方法,从多角度、多层次思考和把握办公自动化内涵和外延。本文围绕OA相关要素,结合有关案例,从目标定位、管理思想、功能平台、设备选择、软件技术、实施策略等六个维度对办公自动化进行了审视、探索和诠释,提出了一种办公自动化的推进理性。