面向智能搜索引擎的本体学习研究*

智能搜索引擎是解决当前网络信息检索中存在诸多瓶颈问题的有效途径。智能搜索引擎需要获取、预处理、表示和集成不同层次的(如HTML/XML/RDF/OWL文档)的数据和信息,并最终转换成各领域的智能语义信息。领域本体是实行智能的关键。提出了一种实现从Web文档中(半)自动构建本体的学习系统框架,并讨论本体学习中概念的获取、相互关系的获取等关键问题。     

基于Web的本体学习模型的设计与实现

对本体(ontology)的研究在计算机科学领域变的越来越广泛,但手工构建本体是一项繁琐而辛苦的任务,还容易导致知识获取瓶颈,无法保持本体的更新。本体学习技术是利用本体工程技术和机器学习技术等众多学科技术来实现本体的自动或半自动构建。该文提出了基于Web的本体学习模型,分析了模型实现中的文档预处理、术语抽取、概念选择、概念分类等关键技术。     

一种本体学习中分类关系提取方法的研究

本体学习技术是利用本体工程技术和机器学习技术等众多学科技术来实现本体的自动半自动构建,可解决本体手工构建的不足。根据本体学习目前的研究现状,提出了一种从文本中半自动获取本体中分类关系的实现,讨论了本体学习中概念抽取和概念间分类关系抽取等关键技术。实现了本体中分类关系提取,对于非分类关系的提取还有待研究。     

一种本体学习中分类关系提取方法的研究

本体学习技术是利用本体工程技术和机器学习技术等众多学科技术来实现本体的自动半自动构建，可解决本体手工构建的不足。根据本体学习目前的研究现状，提出了一种从文本中半自动获取本体中分类关系的实现，讨论了本体学习中概念抽取和概念间分类关系抽取等关键技术。实现了本体中分类关系提取，对于非分类关系的提取还有待研究。     

产品配置领域本体学习方法研究

针对大多数本体构建工具只支持手工构建,造成本体构建效率极低、工作量大、容易出错、知识的动态及时更新和维护困难等问题,提出一种领域本体自动构建的框架系统,通过对企业已有数据库及相关领域中大量的知识进行本体学习,实现配置领域本体自动（或半自动）构建,给出不同数据源结构中的本体概念抽取、概念间语义关系抽取等关键技术。     

软件工程关联数据的自动构建

针对目前在分布异构的大规模软件开发中难以高效地知晓信息和发现知识的问题,将语义网引入软件工程领域,对多源异构数据进行细粒度语义关联,提出本体构建、关联抽取和发现的方法,实现基于本体的软件工程关联数据的自动构建。该方法对软件工程本体进行概念抽取、合并、实例消解和属性消歧,从软件仓库结构化数据集中抽取出完整无冗余的关联数据;并采用同义词、动宾短语和结构关系三个特征利用自然语言处理(NLP)技术和信息检索(IR)技术从软件仓库中发现潜在的关联数据。实验结果表明,所提出的方法能从分布式软件工程数据集中自动构建和融合生成软件工程本体,并有效地发现潜在的关联数据将其扩充到软件工程本体中;与Baseline、Phraing和O-CSTI三种方法相比,关联数据发现的召回率、精准率和F值都有显著提高。     

一种基于Web的通用本体学习框架

提出一种通用的多策略本体学习框架,通过对Web上各专业领域文档集进行挖掘来实现本体自动构建。讨论本体学习中本体概念的抽取、概念之间语义关系的抽取和分类体系的自动构建等关键技术,通过实验对算法进行测试和评价。由于集成了多种机器学习算法,该方法在概念抽取和语义关系学习方面具有更高的准确性,采用通用本体WordNet和HowNet作为语料库,可适用于不同的专业领域。通过按需获取Web文档,该方法能实时生成本体。     

一种面向文本的概念抽取方法的研究

对目前面向文本的本体自动构建中常用到的基于语言文法和基于统计信息的概念抽取方法进行分析,比较其优缺点,并提出一种面向文本的语言文法与信息统计相结合的概念术语抽取方法.以概念抽取流程为顺序分析阐述了该方法的实现.实验证明,这种方法相比传统方法是本体自动构建中一种较为灵活准确的概念抽取方法,可以根据对准确度或召回率的特殊要求调整参数,选择合适MI值获取相应的结果.     

面向中文文本的玉米病虫害本体学习研究

由于中文和英文在语法和句法等方面的差异,面向中文文本的本体学习方法尚存在一定困难。研究了面向中文文本的玉米病虫害本体学习方法。提出单字合并法,将其与TFIDF方法结合,进行概念抽取;将欧几里德距离与余弦距离加权平均计算概念相似度,进行概念关系抽取。从中国玉米网选取50篇领域文档,应用上述方法构建了玉米病虫害本体。     

基于Web数据的本体概念抽取

本体论(Ontology)在知识管理及语义网(Semantic Web)中越来越重要,但建造本体往往需要耗费大量的时间,且建造完成后本体的维护对知识管理者来说也是费时的工作。自动创建领域Ontology可以克服手工方法的不足,成为当前的研究热点之一;而概念是本体中最重要的组成部分之一,从半结构化的Web文档中自动抽取概念的效率和准确度的高低,直接决定了自动建造的本体的质量,提出一种自动的本体概念抽取模型,此模型不依赖于领域词典或核心本体,并且能达到快速有效地通过对中文Web文本挖掘自动地构建及更新领域本体概念的目的。     

基于非结构化数据的本体学习研究

语义Web的创建需要一套共同的标准概念体系,即本体（Ontology）。而现在本体的构造手段仍然是以手工构造为主,效率和准确率都非常低,很容易导致知识获取的瓶颈。近年来,自动创建领域本体可以克服手工方法的不足,成为当前的研究热点之一;本体学习是自动或半自动构建本体的一系列方法和技术。提出了一种利用知网,基于非结构化数据的特定领域概念及其之间关系的提取算法,从军事领域选取4个种子概念：舰、导弹、机和炮,并通过实验测试了该算法。     

基于UML类图的OWL本体映射方法

传统的本体构建在抽取关键观念和关系时,各领域专家的参与增加了构建领域本体的成本,限制了以领域本体为基础的语义两的发展和普及。针对该问题,通过分析UML类图和OWL的异同点,提出从现有UML模型中提取本体的概念、属性、关系、约束等领域知识并将其映射为OWL本体的方法,利用该方法将加油卡发行UML模型成功转换为OWL本体,从而实现本体创建的经济性和高效性。     

个性化本体的知识查询研究

在分布式系统中，既有共享概念的领域本体，又存在个体的知识组织个性，因此个性化本体的研究具有重要的现实意义。本文基于开放系统假设，定义个体的外现类及个体之间的相识关系，使用Web本体语言表示个性化本体的类描述和类公理。提出一个基于消解原理的个性化本体网络的知识查询递归算法，该算法不依赖注册服务器和分布式哈希表，具有较强的动态适应性。以一个（教）师（学）生本体网络的知识查询为例，讨论了个性化本体网络及其知识查询算法的实现。     

基于本体的Web分类技术研究

主要提出了一种基于本体的抽象的Web挖掘模型。首先利用本体的方法表示出要挖掘的领域,然后把从用户处收集来的数据转换成表格;最后再根据定义和公式来进行知识发现。抽象的Web挖掘模型可以提取出语义Web中隐藏在大量信息背后的近似概念,来实现知识发现。     

基于ODM模型的古建筑保护技术本体知识库设计方法研究

基于开放世界假设和描述逻辑的Web本体语言OWL(Web Ontology Language)是描述分布式、可重用、易扩展的古建筑保护技术领域本体的理想选择。提出一种基于ODM(Ontology Definition Metamodel)模型的本体知识库设计方法,识别古建筑保护领域中的关键概念及其关联关系,建立骨架本体。将关键概念进一步分解,建立对应的子本体,整合子本体形成目标本体。该方法使得古建筑保护领域模型更加直观,以确保分析、设计及实现等阶段模型的一致性。通过实例分析,验证了该方法的可行性和有效性。