基于ε-Connections的旅游领域本体构建

针对传统本体构建方法的局限性,提出一种基于ε-Connections 理论构建旅游领域模块化本体库的方法,基于改进的Tableau 算法,利用Pellet 推理机实现对多个本体的联合推理.实验结果证明,该模块化构建方法可以有效降低本体构建的复杂度,有利于本体的维护和更新,提高本体重用模块抽取效率.     

循环ALCN-Tbox具有模型的条件

分析了带循环定义的描述逻辑系统ALCN的研究现状和存在的问题,研究了循环ALCN-Tbox具有模型的条件,指出了Baader文中命题2.9(LetTbe a terminology such that each cycle inGTcontains an even number ofnegative arcs.ThenTis monotone)的错误,并对该命题进行了修改,给出了循环ALCN-Tbox具有不动点模型(最小不动点模型和最大不动点模型)的条件.     

模糊描述逻辑(&)-ALCN

为了使描述逻辑能够处理更一般化的模糊信息,Straccia给出了基于完备格的(&)-ALC描述逻辑系统.在该方法的基础上,提出了带数量约束算子的(&)-ALCN系统,给出了(&)-ALCN的语法,并详细给出了概念(≥n R)和(≤n R)的语义.经典的描述逻辑系统中引入了数量约束算子后,角色R就出现了多个后继.当系统的真子集扩充到完备格时,角色R的后继和断言的真值同时出现了多个.为了保证推理算法的合理性且得到可行的计算复杂度,引入了一个特殊的集合D(&)(c),并且利用集合D(&)(c)扩展了完备格上的两条运算性质.在这些工作的基础上,深入研究了系统的推理算法,并证明了算法的终止性、可靠性与完全性.相对于(&)-ALC,系统(&)-ALCN具有更强的表达能力,并且(&)-ALCN的计算复杂度是Pspace完全的.     

语义Web服务中的信誉度评估方法研究

参考日常生活中人们的交易行为,在网络服务中常用信誉度作为服务选取的依据,然而传统的信誉度评估方法不能全面揭示服务提供方的信誉本质,不能应用到语义Web服务的选取中。经过分析,提出了一个以本体为基础的语义Web服务信誉度评估过程及评估模型,深入研究了信誉度评估算法与具体实现,以提高在语义Web服务选择中的准确性和可靠性。     

基于服务提供方与请求方的语义Web服务选取研究

充分考虑请求方与提供方的情况,结合服务提供方的信誉度与服务请求方的满意度,以请求方的满意度为主,参考提供方的信誉度,提出了一个服务发现与选取的参考模型WSDM-CS,结合本体深入讨论了信誉度与满意度的实现算法,并应用到语义Web服务中, 以提高在语义Web服务选择中的准确性和可靠性.     

基于最大不动点模型的描述逻辑系统FLε的有穷基

研究了描述逻辑的有穷基问题,分析了有穷基在描述逻辑中的重要意义及其研究现状,并研究了形式概念分析中的属性蕴含和Duguenne-Guigues基问题.利用形式概念分析中Duguenne-Guigues基存在的证明结果,在F.Baader工作基础上设置了描述逻辑的描述背景,重新定义了描述背景下的属性蕴含,证明了带循环术语的描述逻辑系统FLε存在最大不动点语义(greatest fixed-points,gfp)模型,给出了带循环术语的描述逻辑系统FLε在最大不动点模型下的有穷基的存在性定理,并证明有穷基的可靠性和完备性.描述逻辑有穷基可以帮助知识工程师构建一个更适用于推理的描述逻辑知识库.     

模糊描述逻辑L-ALCN

为了使描述逻辑能够处理更一般化的模糊信息,Straccia给出了基于完备格的L-ALC描述逻辑系统.在该方法的基础上,提出了带数量约束算子的L-ALCN系统,给出了L-ALCN的语法,并详细给出了概念(≥n R)和(≤n R)的语义.经典的描述逻辑系统中引入了数量约束算子后,角色R就出现了多个后继.当系统的真子集扩充到完备格时,角色R的后继和断言的真值同时出现了多个.为了保证推理算法的合理性且得到可行的计算复杂度,引入了一个特殊的集合D\\-L(c),并且利用集合D\\-L(c)扩展了完备格上的两条运算性质.在这些工作的基础上,深入研究了系统的推理算法,并证明了算法的终止性、可靠性与完全性.相对于L-ALC,系统L-ALCN具有更强的表达能力,并且L-ALCN的计算复杂度是Pspace完全的.     

混合词汇特征和LDA的语义相关度计算方法

文本语义相关度计算在自然语言处理、语义信息检索等方面起着重要作用,以Wikipedia为知识库,基于词汇特征的ESA（Explicit Semantic Analysis）因简单有效的特点在这些领域中受到学术界的广泛关注和应用。然而其语义相关度计算因为有大量冗余概念的参与变成了一种高维度、低效率的计算方式,同时也忽略了文本所属主题因素对语义相关度计算的作用。引入LDA（Latent Dirichlet Allocation）主题模型,对ESA返回的相关度较高的概念转换为模型的主题概率向量,从而达到降低维度和提高效率的目的;将JSD距离（Jensen-Shannon Divergence）替换余弦距离的测量方法,使得文本语义相关度计算更加合理和有效。最后对不同层次的数据集进行算法的测试评估,结果表明混合词汇特征和主题模型的语义相关度计算方法的皮尔逊相关系数比ESA和LDA分别高出3%和9%以上。     

基于保守扩充理论的模块化本体重用

分析了本体重用的研究现状和目前重用方法只适用于单个独立本体的不足,以ε-Connections语言构建的模块化本体库为研究对象,基于保守扩充理论提出了本体模块知识完整性概念,并证明了知识完整性的相关性质.在此基础上,给出了一种针对模块化本体库的保守扩充重用算法ERMMO（extracting reused modules from modularontologies）,讨论了该算法的两种子算法EMMO_IK和EMO_IK的特点及适用条件.分析并验证了ERMMO算法的可行性和正确性.ERMMO算法是当前保守扩充重用算法的一般化扩充,对模块化思想应用于本体重用问题有所启示.