一种自适应语义Web检索方法

基于内容的语义Web检索只考虑内容本身,没有考虑用户的不同,不能准确反映用户需求。为此,提出一个自适应语义Web检索框架,对于Web中文文档,借助HowNet知识库给出一种本体学习方法,通过提取用户客观、显式和隐式信息建立用户信息库,并设计用户初始查询本体和个性化查询本体构建算法,从而实现用户的自适应检索。实验结果表明,该方法具有较高的检索效率。     

基于用户概念视图的本体约减

本体日益受到人们的关注。随着知识的增加,领域本体会变得异常庞大。对于特定用户,其知识水平和工作需要仅涉及该本体的一小部分。因此,对于该用户,根据他所拥有的知识来理解整个领域本体是不现实的,并会对本体的应用带来障碍。文章提出了一种针对特定用户的本体提取和简化算法,根据用户给定的概念集和相应的导出关系集,形成一个既包含用户关注的概念集,又符合原本体知识体系和结构特征的个性化视图。     

一种基于人工免疫的本体匹配算法

针对目前本体匹配算法存在运行效率低和匹配准确度不高等问题,提出一种基于人工免疫的动态本体匹配算法,用来快速地从现有本体中筛选出用户所需的子本体。该算法根据用户行为信息构建抗原本体模型,利用情景匹配确定其领域上下文环境,然后通过结构匹配获得匹配度最高的本体,最后对本体执行语义匹配得到最终需要的子本体。实验表明,该算法提高了本体匹配的准确度和效率。     

多本体中子本体抽取的研究*

企业各部门中存在大量的知识源本体,在实际应用中,往往需要使用多个知识源本体的部分内容,即子本体。当前的子本体抽取方法大都是针对单一本体,分析了多本体中抽取子本体的主要问题,提出了一种可以从多本体中抽取所需子本体的有效方法。该方法降低了子本体抽取的复杂性。     

支持复杂产品知识管理的领域子本体自动提取方法

为解决复杂产品领域本体规模庞大导致本体应用效率低的问题,提出一种支持复杂产品工程的领域子本体自动提取方法.该方法以用户标识的感兴趣节点为起始节点,采用节点相关度的概念替代本体节点之间的结构相似度来构建相关度矩阵,通过相关度迭代扩张更新相关度矩阵,提取相关度较高的节点,还原节点之间的关系后获得一种外扩型的领域子本体;在相关度迭代扩张方面,分别从本体的结构关系和约束关系2个维度进行启发式搜索扩张,并通过扩张因子实现相关度的逐级衰减;在相关度矩阵的更新方面,提出最大扩张和调和扩张2种机制;最后以机器人某领域本体为例对领域子本体的复杂度进行评价,同时给出了不同参数条件下文中方法提取领域子本体的规模和复杂度.     

基于用户行为的启发式本体搜索机制

为了能够以较高的准确率搜索到用户所需要的领域本体,在分析本体搜索需求和研究用户搜索行为的基础上,提出了一种基于用户行为的启发式本体搜索机制,利用不同用户由于领域认知不同,输入的具有领域共性的搜索关键词不同,实现用户搜索关键词的启发式扩展和搜索匹配度的提高。实验表明,使用该方法执行本体搜索具有较高的准确率和召回率。     

基于本体的信息集成框架中包装器的设计

将本体应用在信息集成框架中能够在语义层次上消除底层数据源的异构,但是本体只相当于一个知识库,在定义用户接口时,需要赋予其一个语法结构,这个语法结构可作为与用户交互的全局模式,从本体到全局模式的转换可以用包装器来实现。而此全局模式和各个数据源之间的局部模式也需要映射,这些映射也可以用包装器来实现。该文提出了基于本体的信息集成框架中一种包装器的设计,通过将本体转换为XMLSchema作为全局模式,并利用XSLT实现全局模式和局部模式的映射,从而屏蔽了数据源的异构性。     

基于领域本体的用户模型的研究*

目前大多数知识管理系统采用基于关键词或关键词向量空间模型表示用户的兴趣偏好。针对该方法不包含语义信息,很难准确表示用户感兴趣的信息,并且难于扩展,提出一种基于领域本体的用户模型。该模型利用用户访问量,采用改进的相似度算法,实现用户分类建立用户模型,体现用户个人偏好。最后将该模型应用于齐齐哈尔货车快速设计系统中,应用表明该模型能准确地反映用户兴趣,且提高了信息检索效率。     

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。     

基于知识管理的本体自动构建算法研究

语义网的研究中基于领域本体的构建研究方法基本上还处于手工阶段,如何在本体的设计中实现自动构建仍然是目前需要解决的问题,而采用基于图的构建原理,应用MCL聚类的本体自动构建算法进行概念提取和关系运算。将领域文本文档映射为文档概念图,在关系运算中采用基于频繁信息子图的gSpan算法任意关系提取算法,得到基于OWL-DL描述的领域本体,并通过评价反馈机制进行闭环校正是研究的核心思想。     

一个基于语义模块的交互式本体匹配框架

本体匹配是用来解决异质本体间互操作问题的一种技术手段。目前,大多数关于本体匹配的研究都集中在了如何提高匹配结果的质量上。然而,一方面,在许多情况下,匹配结果的正确与否直接依赖于用户的判断,另一方面,由于一些描述现实世界的本体十分庞大,匹配工具往往不能及时为用户提供可供确认的匹配对。为此,提出了一种基于语义模块的交互式本体匹配框架。借助信息论的相关知识,将本体聚类成语义模块。用户利用模块核心结点信息对模块的内容进行推断,从而将大规模的本体匹配任务转换为数个规模较小的语义模块间的匹配任务。通过合理地增大用户在匹配过程中的作用,试图在保证匹配质量的同时提高匹配效率。已获得的实验结果表明该方法能显著提高本体匹配任务的效率。     

一种基于有向无环图的本体内聚度度量方法

目前,随着本体的广泛使用和快速发展,本体在结构与语义上变得越来越复杂。如何对本体的质量进行评估成为本体构建和重用的主要问题。在本体构建过程中,对本体进行评估有利于对本体进行重构和优化,以构建高质量的本体。在本体重用过程中,可以帮助用户在候选本体集中选择最优结构的本体。提出一种基于有向无环图(DAG)的本体内聚度度量方法,首先依据有向无环图的结构提出一组本体内聚度度量指标;然后根据已有的度量验证框架对其进行验证,说明度量指标在理论上有效;最后使用经典本体数据集进行实验,说明所提出的本体内聚度度量方法的合理性和有效性,有利于本体的构建和重用。     

DOLCE ergo SUMO: On foundational and domain models in the SmartWeb Integrated Ontology (SWIntO)

Increased availability of mobile computing, such as personal digital assistants (PDAs), creates the potential for constant and intelligent access to up-to-date, integrated and detailed information from the Web, regardless of one's actual geographical position. Intelligent question-answering requires the representation of knowledge from various domains, such as the navigational and discourse context of the user, potential user questions, the information provided by Web services and so on, for example in the form of ontologies. Within the context of the SmartWeb project, we have developed a number of domain-specific ontologies that are relevant for mobile and intelligent user interfaces to open-domain question-answering and information services on the Web. To integrate the various domain-specific ontologies, we have developed a foundational ontology, the SmartSUMO ontology, on the basis of the DOLCE and SUMO ontologies. This allows us to combine all the developed ontologies into a single SmartWeb Integrated Ontology (SWIntO) having a common modeling basis with conceptual clarity and the provision of ontology design patterns for modeling consistency. In this paper, we present SWIntO, describe the design choices we made in its construction, illustrate the use of the ontology through a number of applications, and discuss some of the lessons learned from our experiences.     

Onyx: A new Canvas-based tool for visualizing biomedical and health ontologies

Ontologies provide formal, machine-readable, and human-interpretable representations of domain knowledge. Therefore, ontologies have come into question with the development of Semantic Web technologies. People who want to use ontologies need an understanding of the ontology, but this understanding is very difficult to attain if the ontology user lacks the background knowledge necessary to comprehend the ontology or if the ontology is very large. Thus, software tools that facilitate the understanding of ontologies are needed. Ontology visualization is an important research area because visualization can help in the development, exploration, verification, and comprehension of ontologies. This paper introduces the design of a new ontology visualization tool, which differs from traditional visualization tools by providing important metrics and analytics about ontology concepts and warning the ontology developer about potential ontology design errors. The tool, called Onyx, also has advantages in terms of speed and readability. Thus, Onyx offers a suitable environment for the representation of large ontologies, especially those used in biomedical and health information systems and those that contain many terms. It is clear that these additional functionalities will increase the value of traditional ontology visualization tools during ontology exploration and evaluation.     

利用onto1ogy实现的多库知识获取方法

在ontology研究的基础上,提出了一种基于ontology的多库知识获取(OBMDKA)方法.考虑到不同用户有不同的表述习惯,引入自然语言理解(NLU)子系统和用户ontology,在正确理解用户语义的前提下方便用户查询.同一知识的表示形式是多种多样的,按不同的表示形式将其分别存放在不同的库中.利用领域ontology对待查找知识进行分类,使查找更加准确全面.     

Cluster-Merge本体构造算法

本体构造就是利用各种数据源以半自动方式新建或扩充改编已有本体以构建一个新本体。现有的本体构造方法大都以大量领域文本和背景语料库为基础抽取大量概念术语,然后从中选出领域概念构造出一个本体。Cluster-Merge算法首先对领域文档先用k-means聚类算法进行聚类,然后根据文档聚类的结果来构造本体,最后根据本体相似度进行本体合并得到最终的输出本体。通过实验可证明用Cluster-Merge算法得出的本体可以提高查全率、查准率。     

A cooperative framework for integrating ontologies

Nowadays, there are systems and frameworks that support Ontology construction processes. However, ontology integration processes have not sufficiently been specified to date. In this article, by making use of a cooperative philosophy, we describe a real framework for the integration of ontologies supplied by a predetermined set of (expert) users, who may be interconnected through a communication network. This framework is based on a set of well-defined assumptions that guarantee the consistency of the ontology derived from the ontology integration process. Moreover, in the approach presented here, every (expert) user may consult the so-derived ontology constructed until a given moment in order to refine his or her private ontology. In addition to this, the model proposed in this work allows the experts involved in the construction of the ontology to use their own terminology when querying the global ontology obtained until a given instant from their own co-operative work. The validation of the framework is also included in this work.     

受限本体相似

在从不同的语义Web上得到用本体表达的文档资源以后,这些文档资源通常被转换成基于同一个本体的本体描述,这样既便于对文档的分析,又便于在此基础上进行信息抽取.这些文档本体之间仅仅在实例和关系层上彼此相互不同,在类、属性、规则、谓词方面都基本相同.对这种文档的检索,一个最普通的操作就是计算本体之间的相似性.很多计算本体相似性的方法基本上都是以分别属于不同本体的实体之间配对比较来实现,而且往往要考虑所有相关的元素.这不仅增加了计算复杂度,还会遇到循环计算的问题.在对语义网本体语言的推理能力进行研究以后,提出了一种基于知识推理的二阶本体相似技术,解决了循环计算的问题.     

语义Web中的本体推理研究

从语义Web的基本概念开始,介绍了语义Web的层次结构;介绍了本体的基本概念以及用于本体描述的几种语言。用W3C推荐的本体描述语言OWL描述了一个本体实例,通过此实例对本体推理在本体建立中的冲突消解、描述优化、本体的合并和实例归类中的应用进行了研究,说明了本体推理在本体建立及本体应用中的作用。本体技术是语义Web的核心技术,所以建立和维护本体是语义Web中的主要工作之一,而基于本体的推理可以帮助建立和维护本体。