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%。     

描述逻辑εL循环术语集的保守扩充

在计算机科学中,本体是动态的实体。为了适应新领域的发展,需要对原始本体增加新的公理或者与另一个本体融合。在本体的开发过程中,用户根据不同的需求和应用领域选择合适的本体导入另一个本体,从而实现对已建本体的扩充。判定扩充后的本体是否是扩充前本体的保守扩充是非常重要的。如果扩充后的本体不是扩充前本体的保守扩充,那么用户使用扩充后的本体将产生不可预知的影响。Lutz 等研究了描述逻辑εL的保守扩充问题,并且论证了εL的保守扩充是指数时间完全的。在Lutz等人的研究基础上研究了描述逻辑循环术语集的保守扩充问题。首先,给出了循环术语集在最大不动点语义下的保守扩充的充分条件是两个TBox 具有相同的原始概念,并论证了该算法是多项式时间复杂的。其次,给出最大不动点模型来处理循环术语集的保守扩充,并论证了该算法是指数时间复杂的。     

描述逻辑(FL0)的包含推理及其保守扩充

本体作为知识库表示知识已经成为计算机理论与应用的研究热点.在描述逻辑中,将本体看作一个逻辑理论,一个本体被形式化为给定的描述逻辑系统的一个Tbox.本体是动态的实体,为了适应新领域的发展,需要对原始本体进行扩充.但是扩充后的本体与原始本体是否保持逻辑一致性是目前研究者们所关注的焦点.在Lutz等人研究的基础上探究(FL0)的保守扩充问题.首先构建了(FL0)的典范模型,将包含推理问题转换为典范模型的模拟问题;其次由典范模型之间的最大模拟是多项式时间复杂的,证明了(FL0)的包含推理是多项式时间复杂的;最后给出描述逻辑(FL0)的保守扩充及其判定算法,证明了(FL0)的保守扩充的判定算法是指数时间复杂的.     

描述逻辑εVL的保守扩充

在描述逻辑中,将本体看作一个逻辑理论,一个本体被形式化为给定的描述逻辑系统的一个Tbox。本体是动态的实体,为了适应新领域的发展,需要对原始本体进行扩充,但是扩充后的本体与原始本体是否保持逻辑一致性是目前研究者们所关注的焦点。在Lutz等人研究的基础上探究εVL的保守扩充问题,构建了εVL的典范模型,将包含推理问题转换为典范模型的模拟问题;由典范模型之间的最大模拟是多项式时间复杂的,证明了εVL的包含推理是多项式时间复杂的;给出了描述逻辑εVL的保守扩充及其判定算法,证明了εVL的保守扩充的判定算法是指数时间复杂的。