基于本体的Web页面聚类研究

提出了一个基于本体的Web页面聚类系统原型,通过构建一个简单的搜索引擎并对结果进行聚类,大大节省用户发现所需信息的时间.同时将领域本体引入聚类系统中,提高了聚类效率和增强了聚类结果的可解释性.     

基于本体分割的本体映射算法

映射效率对于Web服务发现和组合、智能空间上下文感知等领域的动态映射至关重要。现有方法对相似度计算方法加以简化来提升效率,但当候选匹配实体对的数目随本体的规模增大而急剧增加时,就无法有效地处理。文中提出一种基于本体分割的高效本体映射算法。通过自下而上的聚类,将本体划分为一组大小合适的本体块。然后基于向量空间算法进行块映射,并从块映射结果中选取实体映射的候选匹配对,从而削减其数量,达到减少时间复杂度的目的。实验表明,文中方法显著提升运行时本体映射的效率,比Falcon-AO本体映射方法快6倍。     

基于等级策略的构件聚类研究

构件库系统需解决两个核心问题:构件的分类表示与构件的检索,其中对构件的合理分类是实现构件高效检索的基础和前提。针对目前常用的刻面分类表示法存在的人为主观因素,采用了刻面分类表示与正文检索相结合的方法对构件进行描述,并依据用户的需求对刻面分类方案中的主刻面赋予不同的等级。提出了一种基于等级策略的构件聚类方法对构件进行聚类分析,并通过实验验证了该方法是有效的,实现了对构件更合理的分类,提高了构件检索的效率和准确性。     

基于聚类的教学资源管理系统

随着信息技术和现代教育技术的发展,教学资源管理系统在各种不同层次的院校被广泛应用,本文基于聚类算法设计并实现一套教学资源管理系统,通过聚类算法能有效提高教学资源的检索效率从而提高教学资源管理系统的总体性能。     

基于聚类的分级信息抽取方法初探

按照信息抽取粒度不同,本文在基于向量空间模型的句子聚类基础上,提出分两级建立事件模板的方法.相应地,信息抽取过程也分两级,即采用基于中心向量模型的方法抽取句子级信息,采取模式匹配的方法抽取词语或短语级信息.实验结果表明,此方法能对文本信息进行较有效的全面提取,实验结果令人满意.     

基于覆盖聚类的大本体分块映射研究

在本体映射的研究中,本体分块映射是完成大规模本体映射任务的主要方法。但是目前本体分块方法存在以下不足：分块大小不适合映射,分块质量依赖于预先给定的参数。针对这些问题,综合分块的内聚与耦合程度,作为分块指标指导分块过程,改善分块及映射的质量,并重新设计了基于覆盖聚类的本体分块映射的方法,使分块不依赖于参数。实验结果显示,改进的方法对大本体分块映射问题是行之有效的。     

基于K-Means的文本层次聚类算法研究

提出了一种基于K-Means的文本层次聚类算法。它结合凝聚层次聚类和K Means算法的特点,减少凝聚层次法在凝聚过程中的错误,提高了聚类质量。实验结果表明,该算法的聚类质量优于层次聚类法。     

基于本体的向量空间模型的压缩算法

采用本体（Ontology）为向量空间模型提供更为丰富、详细的概念空间,在本体的支持下,文档中的术语不再被孤立地看成关键词,而是彼此间有了一定的语义联系。以已获得丰富而详细的本体为前提,考虑当本体空间很大时,解决向量空间的高维数给计算带来复杂性与难度这一问题,提出基于HCA（Hierarchical Clustering Algorithm）的向量空间压缩算法。     

基于距离学习的生物医学文本聚类算法研究

近年来, 随着生物医学文献数量的大量增加,对生物医学文献进行搜索和挖掘,查找有用的信息成为了生物信息学的一个重要研究方向.聚类作为一种无监督的自动化程度很高的机器学习方法,在信息检索和生物信息学领域中获得了广泛的运用.针对生物医学文本的特点提出了基于距离学习的聚类算法,实验结果证明了该方法的有效性.     

基于聚类的分级信息抽取方法初探

按照信息抽取粒度不同,本文在基于向量空间模型的句子聚类基础上,提出分两级建立事件模板的方法。相应地,信息抽取过程也分两级,即采用基于中心向量模型的方法抽取句子级信息,采取模式匹配的方法抽取词语或短语级信息。实验结果表明,此方法能对文本信息进行较有效的全面提取,实验结果令人满意。     

Cluster-Merge本体构造算法

本体构造就是利用各种数据源以半自动方式新建或扩充改编已有本体以构建一个新本体。现有的本体构造方法大都以大量领域文本和背景语料库为基础抽取大量概念术语,然后从中选出领域概念构造出一个本体。Cluster-Merge算法首先对领域文档先用k-means聚类算法进行聚类,然后根据文档聚类的结果来构造本体,最后根据本体相似度进行本体合并得到最终的输出本体。通过实验可证明用Cluster-Merge算法得出的本体可以提高查全率、查准率。     

基于SWRL本体推理研究

随着语义Web的兴起,本体技术已成为计算机学科中的一个研究热点。在分析本体、Web本体语言OWL和语义网规则描述语言SWRL的概念和特点的基础上,利用MPEG-7标准中的视觉描述子来描述图像的特征,采用本体建立图像的语义特征,将SWRL引入图像情感识别领域,利用SWRL构建推理规则。通过建立图像的本体信息和推理规则,并用规则推理出本体中隐含的信息,实现图像情感识别,使计算机具有一定的情感推理能力。     

基于protégé的课程内容本体的构建

本体作为一种有效表现概念层次结构和相互关系的模型,能够有效地表示课程内容框架,以visualbasic课程为例,使用protege工具进行建模,初步探讨了课程内容本体的构建原则和步骤．     

基于本体相似度的构件查询算法研究

为了解决语义网环境下构件查询的查全查准率问题,本文提出了基于本体相似度构件查询算法。首先介绍了本体的形式化定义和构件的刻面描述方法,用本体语言(OWL)对构件本体进行形式化的描述;然后针对本体的概念相似度理论和构件刻面匹配度公式存在的不足,用构件本体的概念相似度代替公式中的匹配度,对构件刻面匹配度公式进行改进和分析,提出了本体相似度构件查询算法;算法通过计算查询树和构件树各子刻面本体概念的RDF描述相似度和RDF图结构相似度,再由构件本体相似度匹配公式进行相似度的比较,检索出相似度高的构件。实验结果表明,该算法具有理想的查全查准率。     

基于本体的教育资源探究

目前教育资源面临着资源涣散、冗余大、交互性差的现状，为了能更好的开发、管理和使用教育资源，本文进行了基于本体的教育资源的探究。首先利用本体编辑器工具Protege3．2对教育资源进行分类、定义、描述、限定条件、建立关系等，构建一个基于OWL语言的本体；然后对建立好的教育资源本体的进行存储和检索；最后根据搜索结果，得出结论，即构建教育资源本体，改进了机器对Web内容的解释能力，大大提高了信息检索的精确性、降低了数据冗余。     

基于领域本体的主观题自动评阅算法的研究

针对VSM不能揭示文档中特征词间的潜在语义关系,相似度计算准确性较低的问题,结合本体模型的结构特点,从语义重合度、语义距离以及本体结构等因素综合考虑概念间的相似度计算,提出了一种基于领域本体的文档向量空间模型。该模型通过构建概念间的语义相似度矩阵对特征词权值进行调整,建立包含语义关系的标准（学生）答案的向量空间模型,并用＂VSM模型＋余弦值＂算法评估学生答案和标准答案的相似度。实验表明,与传统方法相比,该方法提高了评测效果及准确率。     

基于关系数据库的OWL本体存储与提取技术

WEB本体语言(OWL)是一种用于对本体进行语义描述的语言,不仅提供强大的语义表达能力,而且能够表达机器可以理解的内容。关系数据库在存储与管理大规模数据方面相应技术比较成熟。针对该情况,结合两者的优势,提出一种基于关系数据库存储 OWL 本体的存锗模式,主要针对本体类的存储模式的设计思想和关键接口实现技术进行叙述。案例研究表明,所设计的类可以有效的实现关系数据库和OWL本体类之间的数据转换。