基于本体的文本分类方法

文本分类是智能科学研究中的霞要问题,如何能使分类结果更精确一直是研究的重点.本体技术兴起之后,利用本体作为词典,从而在语义上进行扩展的方法使分类的精确度有丁改善.但是,本体自身的结构并没有得到应用,多类别多标签的分类也没有因此得到大幅度改进.作为领域内公认的概念体系,本体自身的结构也是一种非常好的分类标准,为多类别多标签的分类提供了很好的载体.针对多类别多标签分类问题,提出了以本体为类别指导,基于模糊数学规划思想的分类方法.将本体概念作为分类标准,将文本散列到相应的本体概念类别中,并给出其相关程度.实验验证了该方法能够做到更细致的分类结果,改善了多类别多标签分类的能力.此外,该方法还能够改善数据在语义Web网中的传输效果.     

基于领域词语本体的短文本分类

短文本自身长度较短,描述概念能力弱,常用文本分类方法都不太适用于短文本分类.提出了基于领域词语本体的短文本分类方法.首先抽取领域高频词作为特征词,借助知网从语义方面将特征词扩展为概念和义元,通过计算不同概念所包含相同义元的信息量来衡量词的相似度,从而进行分类.对比实验表明,该方法在一定程度上弥补了短文本特征不足的缺点,且提高了准确率和召回率.     

面向Web信息资源的领域本体模型自动构建机制的研究

领域本体的构建是本体工程研究与应用的重要内容。面向网络Web信息资源,获取领域相关文本信息,通过对文本的概念分析,构建领域本体模型。提出一套本体自动构建机制,该本体构建基于数据挖掘和机器学习技术,内容主要包括基于贝叶斯(Bayes)分类原理;提出多个分类器方式的概念分类过程和算法;提出概念关联分析和概念自学习算法,建立本体原型;提出面向OWL本体模型的转换映射机制,构建基于OWL的本体模型。此外,还提出了从网络资源获取、领域本体建模到本体实施应用的一套完整的本体构建和应用实施的解决方案。     

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.     

基于词间语义关联性的本体扩展

本体作为一种概念模型建模工具,被应用到计算机的各个领域,用来信息组织和知识管理。本体扩展是一种将新概念以及概念间的关系添加到已有本体的合适位置,以扩大本体为目的的方法。提出一种基于词间语义关联性从文本中扩展本体的方法,该方法主要利用共现分析、词过滤技术和词间语义关联性从文本中发现潜在的概念,作为待扩展概念,并使用扩展规则、包含分析等关系识别技术将概念添加到已有本体中。以电子政务领域的教育子领域为例,使用该方法扩展了一个教育领域的领域本体,结果表明该方法扩展的本体比较合理,具备较强的应用能力。     

基于概念网络的短文本分类方法

针对档案领域的短文本分类,设计一种基于概念网络的自动分类方法。通过分析领域内短文本的语言特点构建领域本体,利用自然语言处理技术将短文本转化为资源描述框架表示的结构化概念网络,在此基础上定义概念网络间的语义相似度,从而实现档案的自动分类。实验结果表明,相比传统基于特征选择的短文本分类方法,该方法的分类错误率下降了24.2%,可有效改善系统性能。     

基于LDA的领域本体概念获取方法研究

针对民航突发事件应急管理领域本体的自动更新问题,提出了基于LDA的领域本体概念获取方法。以文本信息作为数据源,采用NLPIR自适应分词与过滤方法获取候选术语集,设计了领域本体的LDA主题模型,通过吉布斯采样进行LDA模型训练与主题推断,实现了领域本体核心概念的相关术语提取;基于LDA主题概率分布研究了语义关系识别规则的构建方法,给出了概念及其相关术语语义关系的识别与实现过程。实验效果表明,该方法可以有效解决大规模领域本体概念的自动更新问题,为大数据环境下民航突发事件跨媒体信息的共享与推理提供了良好的数据支持。     

基于本体概念的柔性相似度计算方法研究

本体可以提供强大的知识表示方法,是信息检索领域中的重要内容。传统的本体概念相似度计算方法大多采用特定于描述语言的通用推理服务来进行匹配,这些方法忽略了概念的语义信息。通过设计一个基于OWL本体的语义检索模型,介绍了如何通过概念的属性以及层次关系来表达概念的语义,计算概念间的柔性相似度。实验结果表明,该方法能充分利用OWL属性特征与层次关系来计算相关概念之间的柔性相似度,可以根据需要动态地调节匹配范围,并给出其在文本分类中的应用。     

基于情感本体的主题网络舆情倾向性分析

在研究文本倾向性识别方法的基础上,分别实现基于文本分类、基于语义规则模式和基于情感词的倾向性分析算法.研究情感本体构建和基于HowNet与主题领域语料的情感概念选择方法,两者结合能提高情感本体中概念的全面性和领域针对性.利用情感本体抽取特征词并判断其情感倾向度,结合句法规则及程度副词影响,用特征情感倾向度作为特征权重,采用机器学习的方法对主题网络舆情web文本进行倾向性分析.实验表明,其分析结果有更高的准确率和召回率,实现方案的普遍性和稳定性值得进一步研究.     

基于Bootstrapping的本体标注方法

实现语义Web目标的一个重要前提是利用本体词汇标注Web资源。为此,提出一种基于弱监督(Bootstrapping)的本体标注方法。对给定的本体进行解析,生成规则文件,通过文本分类筛选出领域文档。采用Bootstrapping的方法进行信息标注抽取和本体推理,经过几次循环后,只利用少量的训练文本就能达到较好的标注效果。实验证明,该方法实体识别准确率高,标注效果好。     

ComR: a combined OWL reasoner for ontology classification

Ontology classification, the problem of computing the subsumption hierarchies for classes (atomic concepts), is a core reasoning service provided by Web Ontology Language (OWL) reasoners. Although general-purpose OWL 2 reasoners employ sophisticated optimizations for classification, they are still not efficient owing to the high complexity of tableau algorithms for expressive ontologies. Profile-specific OWL 2 EL reasoners are efficient; however, they become incomplete even if the ontology contains only a small number of axioms that are outside the OWL 2 EL fragment. In this paper, we present a technique that combines an OWL 2 EL reasoner with an OWL 2 reasoner for ontology classification of expressive SROIQ. To optimize the workload, we propose a task decomposition strategy for identifying the minimal non-EL subontology that contains only necessary axioms to ensure completeness. During the ontology classification, the bulk of the workload is delegated to an efficient OWL 2 EL reasoner and only the minimal non- EL subontology is handled by a less efficient OWL 2 reasoner. The proposed approach is implemented in a prototype ComR and experimental results show that our approach offers a substantial speedup in ontology classification. For the wellknown ontology NCI, the classification time is reduced by 96.9% (resp. 83.7%) compared against the standard reasoner Pellet (resp. the modular reasoner MORe).     

多Chord环境下基于规则的服务推荐

传统的服务发布和搜索难以支持语义表示和服务推理。针对该问题,提出一种基于概念划分和规则推理的服务推荐方法,通过服务分类本体的构建、Chord网络与服务分类本体的动态映射以及本体规则推理,动态生成服务推荐关系,实现服务的语义扩展查询以及对潜在需求业务的服务推荐。实验结果证明,该方法具有较高的查全率和查询效率。     

Axiom-based ontology matching

Abstract: Managing multiple ontologies is now a core question in most of the applications that require semantic interoperability. The semantic web is surely the most significant application of this report: the current challenge is not to design, develop and deploy domain ontologies but to define semantic correspondences among multiple ontologies covering overlapping domains. In this paper, we introduce a new approach of ontology matching named axiom-based ontology matching. As this approach is founded on the use of axioms, it is mainly dedicated to heavyweight ontologies, but it can also be applied to lightweight ontologies as a complementary approach to the current techniques based on the analysis of natural language expressions, instances and/or taxonomical structures of ontologies. This new matching paradigm is defined in the context of the conceptual graphs model, where the projection (i.e. the main operator for reasoning with conceptual graphs which corresponds to homomorphism of graphs) is used as a means to semantically match the concepts and the relations of two ontologies through the explicit representation of the axioms in terms of conceptual graphs. We also introduce an ontology of representation, called MetaOCGL, dedicated to the reasoning of heavyweight ontologies at the meta-level.     

基于混合推理的知识库的构建及其应用研究

该文提出了基于OWL本体与Prolog规则的平面几何知识库的构建方法,从而可形式化地表示平面几何中丰富的语义信息.一方面,用类型、定义域、值域、分类、属性、实例等本体描述来表达结构化的知识,为领域内概念与概念之间关系的描述提供形式化的语义;另一方面,用Prolog规则来解决本体不能有效表达的诸如属性之间的关系和操作等问题,从而支持复杂关系间的推理.在此基础上,用Protégé和Prolog构建了一个基于本体和规则的平面几何知识库.实验证明:此知识库可实现知识和语义层次上的信息查询,还可进行复杂问题求解,其丰富的语义描述和混合推理能力弥补了传统知识库的不足.     

改进的语义Web服务匹配方法

针对目前语义Web服务匹配方法中缺少对服务行为约束的考虑及传统推理匹配的结果中同一级别不能再区分的缺点,设计了一种带服务行为约束的基于推理和语义相似度计算的匹配方法。方法分为三步：第一步进行服务行为约束兼容性检测;第二步对待匹配的两个服务进行推理;第三步在第二步基础上进行本体概念间的语义相似度计算,得出待匹配服务的精确匹配度。这样每个服务都有了一个精确的匹配度值,避免了传统方法中多个服务因拥有同一个匹配度等级而不能再区分的不足。实验结果表明,该方法较之传统的OWL-S/UDDI匹配方法在查准率和查全率方面得到了很大改进。     

A HYBRID METHOD FOR FUZZY ONTOLOGY INTEGRATION

The main contribution of this work consists of combining a heuristic method for propagation of matchable concepts and using consensus techniques for conflict resolution for fuzzy ontology integration. Two central observations behind this approach are as follows: (1) if two concepts across different source ontologies equivalently match each other, then their neighboring concepts will be often matched as well; and (2) conflicts regarding integration of multiple ontologies can be resolved by creating a consensus among the conflict ontological entities. The key idea of the first observation is to start from an aligned pair of concepts (called medoids) to determine so-called potentially common parts to provide additional suggestions for possible matching concepts. This approach is used to obtain pairs of matchable concepts and to avoid pairs of mismatching concepts. On the other hand, the second observation is used to discover a new merged concept from matched concepts by making a consensus among conflict ontological entities. This idea is to determine the best representative as the merged version of the component ones. A combination of both observations for fuzzy ontology integration is a significant contribution of this work. The results of the experiments imply that the proposed approach is effective with regard to both completeness and accuracy.     

知识网格中基于领域本体的智能检索

本文提出知识网格环境下基于领域本体的智能检索模型,采用OWL DL语言对领域知识进行形式化描述,支持推理和深层语义检索.＂标注＂和＂查询优化＂是检索的两个关键技术.通过规范的概念和概念间语义关系对文档片段进行标注,并针对＂一词多义＂问题提出＂主题-概念＂两阶段消歧算法.＂查询优化＂过程中,基于OWL DL推理的优化算法实现查询概念的自动扩展,提高了查全率和查准率.基于以上方法,建立航天领域本体,利用网上数据库开放资源作为测试集进行评测.实验显示,与传统基于     

电子目录的SWRL规则研究

随着电子商务网站和在线商品数量不断增加,电子目录技术变得越来越重要。现有电子目录及标准只是产品分级概念和属性的结合,不能进行基于规则推理的智能化服务,使用SWRL编写电子目录本体的产品关联规则,可以更好地提供基于规则推理的电子目录服务。主要在电子目录标准、本体论和语义Web研究基础上,利用SWRL语言的逻辑表达能力,来构造与研究电子目录本体的SWRL规则,并对产品配置规则,规则推理做出探讨。     

D-S证据理论和本体推理互补的活动识别方法

有效的活动识别是智能辅助的关键。结合D-S证据和本体推理,提出一种互补结构的活动识别方法。该方法通过在证据理论和知识库之间建立对应关系形成互补,既解决了异构数据之间的知识共享,又对本体推理的规则冲突进行了处理,提高推理结果的准确性。通过复杂活动实例在原型系统中的应用,验证了该方法的可行性和有效性,并且能够有效地提高活动识别准确率。     

基于贝叶斯网络的概念间语义相似度计算

概念间语义相似度研究是知识表示和信息检索领域中的一个重要内容,也是自然语言处理研究的重要组成部分,是人工智能领域中一个亟待解决的问题。本文在本体的基础上,对传统的相似度计算模型进行改进,提出一种基于贝叶斯网络的概率推理方法,改进概念间语义距离的计算,从而提高了语义相似度计算模型的效果;同时采用D-分离的方法,解决了在推理过中的计算复杂性。