基于保守扩充理论的模块化本体重用

分析了本体重用的研究现状和目前重用方法只适用于单个独立本体的不足,以ε-Connections语言构建的模块化本体库为研究对象,基于保守扩充理论提出了本体模块知识完整性概念,并证明了知识完整性的相关性质.在此基础上,给出了一种针对模块化本体库的保守扩充重用算法ERMMO（extracting reused modules from modularontologies）,讨论了该算法的两种子算法EMMO_IK和EMO_IK的特点及适用条件.分析并验证了ERMMO算法的可行性和正确性.ERMMO算法是当前保守扩充重用算法的一般化扩充,对模块化思想应用于本体重用问题有所启示.     

基于领域本体的文本分类方法

基于本体的文本分类方法未考虑本体概念自身所含有的信息量及忽略本体推理功能。为此,以旅游领域为背景,提出一种基于领域本体的文本分类方法。该方法采用本体自身结构作为分类标准,通过计算特征项和本体概念间的语义关联度及结合本体的推理功能,将文本划分到合适的本体概念下作为概念的实例。实验结果证明,与传统方法相比,该方法的分类方法F1值至少提高8.7%。     

一种带缺省推理的描述逻辑

该文提出了一种新的带缺省推理的描述逻辑，它以描述逻辑为主要框架，对单调逻辑和非单调逻辑进行了整合，但又避免了一般缺省逻辑的困难．基于带缺省推理的描述逻辑，构建了一种同时具有Tbox，Abox和缺省规则的知识库系统，研究了带缺省推理的描述逻辑的可满足性、缺省可满足性、概念包含、缺省包含以及实例检测等推理问题，提出了一种用来检测可满足性和缺省可满足性的Tableau—D算法，并得到了缺省可满足性和缺省包含的转换定理．     

语义Web服务中的信誉度评估方法研究

参考日常生活中人们的交易行为,在网络服务中常用信誉度作为服务选取的依据,然而传统的信誉度评估方法不能全面揭示服务提供方的信誉本质,不能应用到语义Web服务的选取中。经过分析,提出了一个以本体为基础的语义Web服务信誉度评估过程及评估模型,深入研究了信誉度评估算法与具体实现,以提高在语义Web服务选择中的准确性和可靠性。     

基于服务提供方与请求方的语义Web服务选取研究

充分考虑请求方与提供方的情况,结合服务提供方的信誉度与服务请求方的满意度,以请求方的满意度为主,参考提供方的信誉度,提出了一个服务发现与选取的参考模型WSDM-CS,结合本体深入讨论了信誉度与满意度的实现算法,并应用到语义Web服务中, 以提高在语义Web服务选择中的准确性和可靠性.     

混合词汇特征和LDA的语义相关度计算方法

文本语义相关度计算在自然语言处理、语义信息检索等方面起着重要作用,以Wikipedia为知识库,基于词汇特征的ESA（Explicit Semantic Analysis）因简单有效的特点在这些领域中受到学术界的广泛关注和应用。然而其语义相关度计算因为有大量冗余概念的参与变成了一种高维度、低效率的计算方式,同时也忽略了文本所属主题因素对语义相关度计算的作用。引入LDA（Latent Dirichlet Allocation）主题模型,对ESA返回的相关度较高的概念转换为模型的主题概率向量,从而达到降低维度和提高效率的目的;将JSD距离（Jensen-Shannon Divergence）替换余弦距离的测量方法,使得文本语义相关度计算更加合理和有效。最后对不同层次的数据集进行算法的测试评估,结果表明混合词汇特征和主题模型的语义相关度计算方法的皮尔逊相关系数比ESA和LDA分别高出3%和9%以上。     

模糊描述逻辑(&)-ALCN

为了使描述逻辑能够处理更一般化的模糊信息,Straccia给出了基于完备格的(&)-ALC描述逻辑系统.在该方法的基础上,提出了带数量约束算子的(&)-ALCN系统,给出了(&)-ALCN的语法,并详细给出了概念(≥n R)和(≤n R)的语义.经典的描述逻辑系统中引入了数量约束算子后,角色R就出现了多个后继.当系统的真子集扩充到完备格时,角色R的后继和断言的真值同时出现了多个.为了保证推理算法的合理性且得到可行的计算复杂度,引入了一个特殊的集合D(&)(c),并且利用集合D(&)(c)扩展了完备格上的两条运算性质.在这些工作的基础上,深入研究了系统的推理算法,并证明了算法的终止性、可靠性与完全性.相对于(&)-ALC,系统(&)-ALCN具有更强的表达能力,并且(&)-ALCN的计算复杂度是Pspace完全的.     

基于ε-Connections的旅游领域本体构建

针对传统本体构建方法的局限性,提出一种基于ε-Connections 理论构建旅游领域模块化本体库的方法,基于改进的Tableau 算法,利用Pellet 推理机实现对多个本体的联合推理.实验结果证明,该模块化构建方法可以有效降低本体构建的复杂度,有利于本体的维护和更新,提高本体重用模块抽取效率.     

描述逻辑系统FLεN中概念的最小公共包含算法研究

描述逻辑中的非标准推理是目前研究者们所关注的焦点问题,它主要包括:最具体概念、最小公共包含、匹配问题及概念的重写等.过去人们主要研究那些不合数量限制的描述逻辑系统,研究的是描述逻辑系统FLεN厂中的一种重要的非标准推理--概念的最小公共包含,它同时含有数量限制和存在限制,是对前人工作的推广.首先定义了FLεN中概念的描述树及描述树之间的同态关系,给出了概念之间包含关系的推理算法,然后通过两棵概念描述树的笛卡儿积给出了两个概念的最小公共包含推理算法并指出了概念A,B的最小公共包含概念LCS(A,B)的大小size(LCS(A,B))是随着size(A),size(B)呈指数增长的.