以社交事件为中心的社会情景本体模型研究

[目的/意义] 以社交事件为中心构建社会情景本体模型,使其能够对社会情景进行动态的、丰富语义的描述。[方法/过程] 研究Web服务相关事件本体,确定基本体;分析以用户为中心、以交互社区为中心和以资源为中心的社会情景相关本体,确定扩展本体。通过本体集成的6个阶段对基本体和扩展本体进行集成,输出以社交事件为中心的社会情景本体（SIECSCO）。以微信平台中的用户社会情景为例,构建SIECSCO 实例,验证本体模型的有效性。[结果/结论] 以社交事件为中心构建社会情景本体模型优于传统的社会情景本体模型结构,SIECSCO能够很好地对社会情景的动态演化过程进行描述。     

汉语框架网络知识本体构建研究

汉语框架网络知识本体是以框架语义学为理论基础,有丰富的语料库支撑,揭示了概念的本体关系。其获取,是在构建语料库的基础上,利用叙词表、分类表和其他知识分类体系等现有的知识本体,识别领域内外相关的概念并抽取相应属性,建立概念之间的关系,并利用所识别的概念和关系创建新的本体,融合已有的本体和新建本体。图2。参考文献4。     

网络热点事件中“新闻标签”现象

随着信息技术的不断发展,新媒体新闻已经成为了一种新的新闻形式,同时由于网络空间的无界性,用户在获取网络新闻的过程中,很容易被复杂的新闻信息所迷惑。借助于网络新闻中的"新闻标签",用户可以借助于关键词来准确及时地获取新闻信息,同时还能够提升新闻阅读的速度。但同时网络热点事件中的"新闻标签"也会滋生负面问题,一些不符新闻事件的主题立意等虚假、低俗的标签的产生,存在着欺诈、诱导用户的行为,不利于网络空间的净化,不利于网络新闻的快速发展。     

基于本体的网络群体性事件主题发现研究

将本体论和语义计算的相关技术引入到网络群体性事件的主题发现研究中,并通过构建食品安全领域本体进行实证研究。实验结果表明,该方法能够有效地获取主题信息,有助于实现网络群体性事件的主题发现。     

知识本体框架下的网络新闻推送

为满足组织中不同职能对互联网上最新行业动态信息的需求,设计基于语义规则和职能本体的网络新闻推送模型及其构建程序:首先,定义组织行政职能的概念、构面与特征,继而设计网络新闻概念知识的获取机制;其次,基于形式化概念分析方法即FCA方法获取具有层次结构的职能领域知识;接着,基于职能知识管理的步骤设计职能知识本体的构建程序;最后,研究职能本体构建过程中的网络新闻概念与职能知识本体的语义映射规则和方法,并通过仿真知识本体片段呈现。     

基于事件本体的城市疫情防控领域知识建模研究——以武汉市为例

为将城市疫情防控活动事件进行知识结构化表达，开展基于事件本体的城市疫情防控领域知识建模，以知识驱动视角研究城市疫情防控活动的相关内容，为城市疫情防控活动领域的相关问题提供新思路。选取武汉市作为案例对象，通过问卷、访谈、观察和网络等路径收集数据并进行编码分析，识别和提取事件、关系，构建城市疫情防控领域的事件本体模型，并进行实例验证。研究结果表明，基于事件本体的城市抗疫领域知识建模能全面地反映城市抗疫事件原貌，可完善和扩展疫情防控本体模型。     

面向数字图书馆的本体学习研究

面向语义Web的智能数字图书馆的实现很大程度上依赖于本体的建立,本体与数字图书馆中的数字资源采集、数字馆藏和用户访问网关都密切相关。在本体构建方面,目前存在的绝大多数本体都是手工生成的,该方法效率低、出错率高,更难以维护和更新。这对语义级数字图书馆的实现造成了巨大的障碍。为此提出了一种面向数字图书馆的本体学习方法GOLF,通过对各专业领域中大量的Web文档集和语料库进行挖掘来实现本体学习,并分别讨论了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。     

探讨我国网络新闻资源分类标引体系

目前我国还没有统一的网络新闻信息分类标准，各家媒体各自为政，造成了网络新闻信息系统的重复建设，资源浪费严重。多元的新闻信息标引体系，不利于软件商进行自动分类标引软件的开发，不利于新闻信息全面而准确的检索，不利于网络新闻资源系统的发展，更不利于用户对新闻信息资源的使用。研究并制订统一规范的网络新闻信息分类标引体系，是当务之急。     

面向数字图书馆的本体自动构建

提出一种面向数字图书馆的本体自动构建方法:首先从因特网数据中找出本体语义概念的模式及其关系,然后通过构建概念分类体系来自动化地抽取数字图书馆的各类本体。包括以下步骤:术语选择、抽取本体概念、语义关系抽取、分类体系构建、本体构建和本体修剪及评价。图3。参考文献3。     

面向事件本体的医学文本语义关联化研究

随着互联网医疗的快速发展,数字经济和智能经济成为未来必然发展趋势,医学知识的语义化和规范化是实现智慧医疗和数字医学的重要手段。但现阶段较为成熟的医学本体仅仅描述了一些既定的静态知识,无法揭示医学知识之间的动态关联。因此,以知识表示和知识组织为出发点,构建符合叙事性文本特征的医学知识结构化表示方法具有十分重要的意义。本文在梳理叙事学理论、事件知识表示的基础上,按照是否具有叙事性特征,将医学文本分为叙事性文本和概念性文本;然后,分别对概念性医学文本和叙事性医学文本进行语义建模与表示,构建基于事件本体的医学知识本体模型;最后,根据本文提出的概念模型,实现SARS-CoV-2病毒入侵过程的语义结构化表示。初步标注的实验结果表明,将事件本体模型迁移到医学文本语义结构化描述中,有助于实现医学文本的深层次表示和知识发现,能更好地描述医学知识之间的动态关联,更好地表征医学对象在时间和空间的动态发展特点。     

浅谈个性化信息服务系统的构建

阐述了个性化信息服务系统的构建理念、系统构成及其功能,重点介绍了五个核心子系统的内容,提出了基于知识本体的信息分类整理方法,从而为用户提供个性化信息服务。     

Simple Semantics in Topic Detection and Tracking

Topic Detection and Tracking (TDT) is a research initiative that aims at techniques to organize news documents in terms of news events. We propose a method that incorporates simple semantics into TDT by splitting the term space into groups of terms that have the meaning of the same type. Such a group can be associated with an external ontology. This ontology is used to determine the similarity of two terms in the given group. We extract proper names, locations, temporal expressions and normal terms into distinct sub-vectors of the document representation. Measuring the similarity of two documents is conducted by comparing a pair of their corresponding sub-vectors at a time. We use a simple perceptron to optimize the relative emphasis of each semantic class in the tracking and detection decisions. The results suggest that the spatial and the temporal similarity measures need to be improved. Especially the vagueness of spatial and temporal terms needs to be addressed.     

领域本体整合的问题及对策研究

领域本体整合是在某一特定领域中已有本体的基础上生成新的本体。根据原有本体的改变程度,领域本体整合可进一步分为浅层整合与深层整合。目前,在领域本体整合中存在概念分类体系问题、构建技术问题、本体进化问题和实用性问题。针对这些问题,应采用重构领域本体高层分类、构建基本类间关系本体以及语言分层转换等方法进行领域本体的整合。图1。参考文献10。     

STKOS中领域本体模型框架研究

[目的/意义] 构建普适的领域本体模型框架和规范的方法体系,为STKOS实现动态建模的本体工具集和面向领域应用的本体网络提供建设依据。[方法/过程] 调研分析不同层次的领域本体模型,总结能够为STKOS本体建设提供的参考,构建STKOS中学科领域本体模型的3层架构,提出各层框架可遵循的方法,并以中国科学院植物研究所的需求为例,阐述本文模型框架在构建植物多样性领域本体的应用。[结果/结论] 按照领域本体模型3层架构所构建的植物多样性领域本体较之其他领域本体,具有知识组织体系清晰、构建过程高效、所支撑应用场景丰富的优点,因此,该研究可为STKOS快速而有效地构建领域本体提供实用框架,未来可应用于知识服务平台语义层的建设。     

中文专利本体半自动构建系统设计

为充分发挥知识组织在企业专利战略中的作用,在分析专利文献的基础上,根据中文专利文献句法描述的特点,利用最大串频匹配、蚁群聚类、多层KMeans聚类、改进关联规则计算、基于规则和CRFs的术语关系抽取等算法,设计出一套领域本体的半自动构建系统,包括术语抽取、分类关系抽取、非分类关系抽取、本体形式化等模块,初步实现结构化数据和非结构化文本的本体半自动构建。     

互联网新闻报道中的突发事件识别研究

为及时、准确地捕获突发事件,提出词间距的思想,并构建基于互联网新闻报道的突发事件识别模型。该模型主要包括热点词元发现和新词语检测两部分,即通过改进的TF-PDF算法捕获当前关注的词元以形成热点词元,利用词间距来寻找热点词元之间的客观分布状态,从而依据热点词元之间相对稳定的组合达到突发事件识别的目的。实验表明该模型对突发事件的识别,在时间上有着较高的敏感性。     

本体构建中的语义分析方法研究

归纳总结语义分析方法的发展概况,在本体构建中,提炼出一种语义分析方法,并对该方法的要素进行详细分析,结合产品分类开展本体构建的语义分析方法实验,着重于解决现有很多本体中语义表达过于简单的问题,建立大量的概念间关系、属性间关系、概念与属性间关系、实例间关系、概念与实例间关系,并进行形式化逻辑表达。     

面向新闻领域的中文文本分类研究综述

在对文本分类及中文新闻分类概述的基础上,归纳出网络新闻文本特征及当前新闻文本分类特点,并总结新闻文本分类在新闻网站分类导航、话题识别与跟踪、个性化推荐三方面的应用。其后,总结中文新闻分类存在的问题,诸如缺乏通用语料和评价方法、分类体系粗略、分类维度单一等,并提出相应措施。最后,针对当前信息环境,提出新闻分类不仅将朝着多层次、多维度、跨语言方向发展,还将与多媒体信息、大数据、社会化媒体相结合。     

Altmetrics中的社交媒体事件分析

[目的/意义] 为明确社交媒体中学术成果被关注、传播和利用等行为的内涵与意义，对已使用与可挖掘的altmetrics指标进行深度剖析。[方法/过程] 从事件本体视角出发，对社交媒体中与学术成果相关的行为进行抽象，从事件的主体、客体、产出、类型、动机、时间、地点和来源出发，构建社交媒体事件模型，并以Mendeley与Twitter为例进行社交媒体事件的深层次分析。[结果/结论] 目前altmetrics聚合器所提供的指标仅来自于社交媒体上的部分事件，通过对社交媒体事件及其各要素的剖析，发现未来应该纳入其他同样具有学术评价价值的指标，如文献被加入的Mendeley讨论组数量、推文点赞数等。指标利用中需要根据事件的各个要素去评定各指标在不同学术评价情境中的适用程度，同时也要考虑数据采集的方法、频率和限制条件等，以保证指标值的准确性和科学性。