基于语义的E-Learning资源库建设

介绍语义Web和本体的基本概念,描述领域内的概念、属性和属性之间的关系,在领域本体的基础上,实现了E-Learning资源的语义标注.     

基于实例相似度的概念语义挖掘方法

本体在知识表达、共享、重用以及语义查询中具有重要作用,但在本体融合过程中存在概念层融合难的问题。为此,提出一种挖掘本体概念语义的方法。该方法从实例数据出发,以实例相似度矩阵为基础,在实例层和概念层交替进行概念语义挖掘,将挖掘结果通过属性语义反馈到实例层,并对其进行修正和补充。利用OAEI2012提供的测试本体进行实验,结果显示查全率与查准率均得到提高,证明了该方法的可行性和有效性。     

语义驱动的集成化产品建模

针对复杂产品研发过程中多领域协同对产品知识共享和重用的需求,提出一种语义驱动的集成化产品建模方法.结合多本体技术,给出了集成化产品建模框架,该框架由概念层和模型层构成,概念层包括高层核心产品本体和领域本体,模型层由主模型和领域模型等一族模型构成;同时还给出了集成化产品模型的形式化语义描述,在构建高层核心产品本体的基础上建立主模型;基于多领域本体,进行由概念层语义驱动的领域模型快速重构,在语义理解基础上实现跨领域的产品知识重用.     

语义物联网中一种多领域信息互操作方法

针对当前语义物联网尚未形成一套比较完善、可共享的语义系统,无法支持不同领域资源描述和语义互操作性问题,提出了一个语义物联网中基于多个领域本体及链接开放数据的语义互操作方法。该方法可以半自动化标注新部署的传感器,为传感器数据添加语义,使机器理解数据含义,并对其进行推理;采用本体实体表管理同一领域本体,来规范统一本体;基于链接开放数据获取命名实体相关的语义,对信息进行补充。最后通过具体实例阐述其工作过程,并与其它经典的方法进行比较。结果表明,其可以较好的实现多领域信息的互操作。     

结合编辑距离和Google距离的语义标注方法*

提出了一种在领域本体指导下对网页进行语义标注的方法。该方法利用编辑距离和Google距离从词语的语法和语义两方面综合度量词汇与本体概念之间的语义相关度,从而在网页与本体之间建立映射关系。此外,对网页进行语义标注后,利用标注结果对本体进行有效扩充,使本体更趋于领域化。实验结果表明该方法是行之有效的。     

基于本体的甲骨文专业文档语义标注方法

在甲骨文领域本体语义环境的基础上,提出一种针对甲骨文卜辞这种特殊结构的文档进行语义标注的方法。为提高标注的准确率,分析甲骨文特有的特征,并针对这种特殊的文档提出一系列规则。该方法首先对甲骨片上的卜辞信息进行分解,然后在甲骨文本体知识的指导下进行概念抽取。对于每个具体的实例概念在本体知识库中寻找其语义环境信息。按照所提出的规则分别计算这些信息与具体一条卜辞的重要度,最后以三元组的形式把标注信息存放于标注库中。实验结果表示,该方法依据领域本体的语义环境大大提高了标注的准确率。     

基于本体的科学效应知识表达和语义推理

针对创新设计领域中科学效应知识的表达和语义扩展方面的不足,分析研究效应、功能、流和参数之间的关系和模型,借助本体将概念间属性和关系扩展到语义层次上,通过本体来更加全面地表达科学效应知识,构建科学效应知识本体模型,包括效应本体、功能本体、流本体和参数本体。在此基础上基于属性构建相应的语义推理规则,进行功能扩展和效应关联,通过语义推理实现科学效应知识的共享和重用。开发一个基于本体的科学效应知识检索系统,验证了此模型和方法的有效性和可行性。     

面向领域本体非分类关系的语义相关度计算方法

针对民航突发事件领域本体非分类关系的语义查询扩展问题,提出一种面向领域本体非分类关系的语义相关度计算方法。该方法在数据属性方面,提出基于属性类型和属性值的语义相关度计算方法;在对象属性方面,针对查询词与本体概念或实例存在多种对象属性问题,提出基于对象属性的语义相关度计算方法,并结合领域本体在民航突发事件案例的语义查询过程给出了该方法的实现效果分析。该方法不仅有效地提高了语义查询的准确率和查全率,也为民航突发事件的应急决策提供了更好的方法支持。     

基于本体的图像自动标注

提出一种新的图像本体标注的框架,结合领域本体中概念的关系,通过层次概率标注来获得图像高层语义概念的标注,实现待标注图像语义的自动标注。我们将图像的语义可以定义为属性概念和高层抽象概念,采用二次标注方法实现对于图像语义的自动标注。实验证明,本文的方法可以使图像获得丰富的高层抽象语义概念标注,从而缩小"语义鸿沟",有效提高了检索的效率和精确度。     

基于领域本体的语义标注方法研究

介绍了语义Web.本体以及语义标注的基本概念,对语义标注方法以及现有技术工具进行了简单地说明和分析,提出了一种基于领域本体的语义标注方法,并结合石油产品领域的本体对该方法进行了实例说明.该方法通过分析文档的特征词汇,使用基于领域本体的空间向量模型方法建立词汇与本体概念之间的映射.采用这种方法对文档进行语义标注后,可以把文档隐含的语义信息显式的表现出来,这样数据库内部文档之间就具有了语义关联关系,为检索的智能推理提供基础.     

语义相似度计算在语义标注中的应用

提出了一种词汇和本体概念间的语义相似度计算方法。该方法利用编辑距离和维基百科从语法和语义两方面综合考虑词汇和概念间的语义相似度。在领域本体的指导下,将方法应用于语义标注过程,建立词汇与本体概念之间的映射。在标注过程中建立知识库,提高算法性能,实验结果说明该方法是行之有效的。     

Mining temporal explicit and implicit semantic relations between entities using web search engines

In this paper, we study the problem of mining temporal semantic relations between entities. The goal of the studied problem is to mine and annotate a semantic relation with temporal, concise, and structured information, which can release the explicit, implicit, and diversity semantic relations between entities. The temporal semantic annotations can help users to learn and understand the unfamiliar or new emerged semantic relations between entities. The proposed temporal semantic annotation structure integrates the features from IEEE and Renlifang. We propose a general method to generate temporal semantic annotation of a semantic relation between entities by constructing its connection entities, lexical syntactic patterns, context sentences, context graph, and context communities. Empirical experiments on two different datasets including a LinkedIn dataset and movie star dataset show that the proposed method is effective and accurate. Different from the manually generated annotation repository such as Wikipedia and LinkedIn, the proposed method can automatically mine the semantic relation between entities and does not need any prior knowledge such as ontology or the hierarchical knowledge base. The proposed method can be used on some applications, which proves the effectiveness of the proposed temporal semantic relations on many web mining tasks.     

一种基于本体与描述文本的网络图像语义标注方法

网络图像语义自动标注是实现对互联网中海量图像管理和检索的有效途径,而自动有效地挖掘图像语义是实现自动语义标注的关键。网络图像的语义蕴含于图像自身,但更多的在于对图像语义起不同作用的各种描述文本,而且随着图像和描述知识的变化,描述文本所描述的图像语义也随之变化。提出了一种基于领域本体和不同描述文本语义权重的自适应学习的语义自动标注方法,该方法从图像的文本特征出发考查它们对图像语义的影响,先通过本体进行有效的语义快速发现与语义扩展,再利用一种加权回归模型对图像语义在其不同类型描述文本上的分布进行自适应的建模,进而实现对网络图像的语义标注。在真实的Wcb数据环境中进行的实验中,该方法的有效性得到了验证。     

地名本体数据库存储模式及应用研究

地名本体属于地理信息领域本体范畴,是维护地理要素位置的本体,在地理空间语义网的发展中有着十分重要的作用,尤其为地理信息与资源的发现提供便利.从基于地理空间语义网的日常地理信息查询需要出发,设计了地名本体概念模型,在此基础上构建了地名本体实例存储数据库模式,实现了基于Geodatabase的地名本体实例数据存储.通过地名本体模型的构建,探讨语义网条件下的地名本体模型设计与地名本体实例化问题,对于实现地理要素数据组织与关系表达具有重要理论和实践意义.     

SWMRD:一个面向互联网的制造资源智能发现系统

为了对面向互联网这一海量资源库中提供准确的、自动的、智能的发现制造资源服务,提出一套基于语义网的制造资源智能发现方法.该方法以制造资源本体与知识一体化建模为基础,通过聚焦爬虫从互联网中获取制造资源信息,形成语义标注实例;建立多层次智能发现检索模型,实现制造资源的精确检索、模糊检索、语义检索以及智能推理功能.为直观表达查询语义结构与概念间的关联性,研制了图形化语义查询前端,并在此基础上开发并实现一套制造资源智能发现系统SWMRD.最后展示了系统实例.     

Using semantic dependencies to mine depressive symptoms from consultation records

With the rapid growth of depressive disorders, many psychiatric Web sites have developed various psychiatric screening services for mental health care and crisis prevention. We propose a framework for mining depressive symptoms and their relations from consultation records. The records contain many kinds of depressive symptoms, such as depressed mood, suicide ideas, anxiety, sleep disturbances, and so on. The depressive symptoms are embedded in a single sentence or a discourse segment - that is, successive sentences describing the same depressive symptom. Our framework infers the semantic label according to a sentence's semantic dependencies and the HowNet knowledge base, a Chinese-language concept hierarchy that defines higher-level abstractions, or hypernyms, for Chinese words, concepts, and interconcept relations. Moreover, the framework computes the lexical cohesion between sentences to enhance its semantic labeling power and adopts a domain ontology to mine the semantic relations. Preliminary experiments show the semantic dependencies within and between sentences and the domain ontology used in this approach are significant features in the mining task.