本体是共享概念模型的明确的形式化规范说明,本体映射是实现异构本体之间知识共享、重用的关键技术.结合本体和贝叶斯网络模型以及多策略方法,本文提出一种新的本体映射方法——基于贝叶斯网络模型及多策略计算的本体映射方法MSBN(Mappi...本体是共享概念模型的明确的形式化规范说明,本体映射是实现异构本体之间知识共享、重用的关键技术.结合本体和贝叶斯网络模型以及多策略方法,本文提出一种新的本体映射方法——基于贝叶斯网络模型及多策略计算的本体映射方法MSBN(Mapping based on Multi-Strategy and Bayesian Netw ork).MSBN首先将本体模型转换成贝叶斯网络模型.然后使用多策略方法(Multi-Strategy)计算不同贝叶斯网络模型节点之间的相似度,并为所有节点生成相似度表ST(Similarity Table).最后,使用迭代的映射推理过程,从相似度表中推理出新的映射关系.展开更多
为了实现异构模糊本体之间的知识共享和重用等语义互操作,需要为它们建立映射关系,为此提出了一种新的模糊本体映射方法 VSM-FR(vector space model based on fuzzy relation)。VSM-FR方法首先利用模糊本体中的模糊关系构建向量空间模型...为了实现异构模糊本体之间的知识共享和重用等语义互操作,需要为它们建立映射关系,为此提出了一种新的模糊本体映射方法 VSM-FR(vector space model based on fuzzy relation)。VSM-FR方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量,这样模糊概念之间的相似度就可以通过向量运算的方法来获得;最后为相似度大于给定阈值的模糊概念对建立映射关系。附带的实例也充分地证明了VSM-FR方法在处理模糊本体映射时的可行性和有效性。展开更多
提出了一种基于上下文的语义映射方法 SM-Context(semantic mapping based on context)。SM-Context首先为本体模型中的概念找出表示其语义信息的上下文,然后采用谓词逻辑的形式表示概念的上下文,最后将本体映射问题转换成命题可满足性...提出了一种基于上下文的语义映射方法 SM-Context(semantic mapping based on context)。SM-Context首先为本体模型中的概念找出表示其语义信息的上下文,然后采用谓词逻辑的形式表示概念的上下文,最后将本体映射问题转换成命题可满足性问题(SAT),并通过推理方式建立本体之间的语义映射关系。为了验证所提方法在处理本体映射问题时的可行性与有效性,采用OAEI所提供的共享数据集来测试SM-Context。实验结果表明,SM-Context可以有效地利用概念的上下文为本体之间建立语义映射关系。展开更多
随着领域内本体数量的不断增多,很多本体映射方法已经不适用于多本体映射任务。为此,提出一种基于参考本体的多本体映射方法 (multiple ontology mapping based on reference ontology,MOM-RO)。在多本体映射过程中,方法 MOM-RO从源本...随着领域内本体数量的不断增多,很多本体映射方法已经不适用于多本体映射任务。为此,提出一种基于参考本体的多本体映射方法 (multiple ontology mapping based on reference ontology,MOM-RO)。在多本体映射过程中,方法 MOM-RO从源本体集合中提取共享概念集合并建立参考本体;然后利用参考本体来构建一个统一的向量空间模型;然后,将源本体中的概念表示成该模型中的向量,从而使用向量之间的欧氏距离来计算概念之间的相似度;最后,建立源本体之间的映射关系。实验结果表明,方法 MOM-RO可以有效地完成多本体映射的任务。展开更多
不同本体之间的异构性严重地影响了本体之间的知识共享与重用,为此,提出一种基于多种类型匹配器的本体映射方法 OM-Matchers(Ontology mapping based on multiple matchers).在建立本体之间映射关系的过程中,OM-Matchers先使用多个类型...不同本体之间的异构性严重地影响了本体之间的知识共享与重用,为此,提出一种基于多种类型匹配器的本体映射方法 OM-Matchers(Ontology mapping based on multiple matchers).在建立本体之间映射关系的过程中,OM-Matchers先使用多个类型的匹配器从本体模型中抽取相应类型的信息;然后这些匹配器为概念对计算相似度值,其中概念对所包含的两个概念来自于不同的本体;最后为待映射的本体模型建立相似度矩阵,并采用迭代策略完成本体映射任务.为了验证本文所提方法在处理本体映射问题时的可行性与有效性,采用OAEI所提供的共享数据集的benchmarks子集来测试OM-Matchers.实验结果表明:OM-Matchers可以有效地建立异构本体之间的映射关系.展开更多
本体模型是语义Web中应用广泛的知识表示模型,本体集成是实现异构本体之间知识重组、共享和重用的有效方法。一般来说,本体集成所产生的知识模型为结构复杂的网状模型,严重地影响了本体模型之间的知识共享、重用以及查询等语义互操作。...本体模型是语义Web中应用广泛的知识表示模型,本体集成是实现异构本体之间知识重组、共享和重用的有效方法。一般来说,本体集成所产生的知识模型为结构复杂的网状模型,严重地影响了本体模型之间的知识共享、重用以及查询等语义互操作。为解决上述问题提出了一种视图本体集成系统(Ontology Integration System based on View,OIS-View)。OISView首先通过查询的方式将多个局部本体集成到一个全局视图;然后整合各个局部本体之间相同或者相似的元素,并得到一种网状的知识模型;最后将网状知识模型转换成树型结构模型以得到集成后的全局本体。为了证明OIS-View在处理本体集成问题时的可行性与有效性,还使用OAEI所提供的共享本体集合对OIS-View进行测试。展开更多
由于现有的经典本体映射方法以及相似度计算方法无法处理模糊信息,因此它们都无法计算模糊概念之间的相似度.为此,提出了一种新的基于向量空间模型的模糊概念相似度计算方法 Sim FC-VSM(similarity of fuzzy concept based on vector sp...由于现有的经典本体映射方法以及相似度计算方法无法处理模糊信息,因此它们都无法计算模糊概念之间的相似度.为此,提出了一种新的基于向量空间模型的模糊概念相似度计算方法 Sim FC-VSM(similarity of fuzzy concept based on vector space model).Sim FC-VSM方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量;最后通过向量运算的方法来计算模糊概念之间的相似度.因此,所提出的方法 Sim FC-VSM可以有效地利用向量空间模型来计算模糊概念之间的相似度.展开更多
本文介绍了国外关于创业投资机构如何影响企业IPO抑价度的主要理论,在此基础上以我国的中小企业板上市公司为研究对象,通过比较分析发现与非创投支持企业相比创投支持企业有着更高的抑价度,进一步地研究表明该现象可用Am it et.al.[1]...本文介绍了国外关于创业投资机构如何影响企业IPO抑价度的主要理论,在此基础上以我国的中小企业板上市公司为研究对象,通过比较分析发现与非创投支持企业相比创投支持企业有着更高的抑价度,进一步地研究表明该现象可用Am it et.al.[1]提出的逆向选择理论来解释。展开更多
不同本体之间的异构问题严重地影响了本体之间的知识共享和重用。针对本体之间异构性的问题,本文提出一种基于本体贝叶斯网络模型(OBN)的本体映射方法(OM-OBN:Ontology Mappingbased on OBN)。在映射的过程中,方法OM-OBN首先将待映射的...不同本体之间的异构问题严重地影响了本体之间的知识共享和重用。针对本体之间异构性的问题,本文提出一种基于本体贝叶斯网络模型(OBN)的本体映射方法(OM-OBN:Ontology Mappingbased on OBN)。在映射的过程中,方法OM-OBN首先将待映射的本体模型转换成OBN模型,并为OBN模型的每个节点建立一个相似度表,然后根据相似度表中的数据建立本体之间的映射关系,然后再利用已有的映射关系去更新相似度表,最后采用迭代映射策略,反复地执行建立映射和更新相似度表的过程,直到OM-OBN无法建立新的映射关系为止。实验结果表明:方法OM-OBN可以实现本体模型到OBN模型的转换,并有效地利用转换后的模型来建立本体之间的映射关系。因此,方法OM-OBN可以解决异构本体之间知识共享和重用等问题。展开更多
文摘本体是共享概念模型的明确的形式化规范说明,本体映射是实现异构本体之间知识共享、重用的关键技术.结合本体和贝叶斯网络模型以及多策略方法,本文提出一种新的本体映射方法——基于贝叶斯网络模型及多策略计算的本体映射方法MSBN(Mapping based on Multi-Strategy and Bayesian Netw ork).MSBN首先将本体模型转换成贝叶斯网络模型.然后使用多策略方法(Multi-Strategy)计算不同贝叶斯网络模型节点之间的相似度,并为所有节点生成相似度表ST(Similarity Table).最后,使用迭代的映射推理过程,从相似度表中推理出新的映射关系.
文摘为了实现异构模糊本体之间的知识共享和重用等语义互操作,需要为它们建立映射关系,为此提出了一种新的模糊本体映射方法 VSM-FR(vector space model based on fuzzy relation)。VSM-FR方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量,这样模糊概念之间的相似度就可以通过向量运算的方法来获得;最后为相似度大于给定阈值的模糊概念对建立映射关系。附带的实例也充分地证明了VSM-FR方法在处理模糊本体映射时的可行性和有效性。
文摘提出了一种基于上下文的语义映射方法 SM-Context(semantic mapping based on context)。SM-Context首先为本体模型中的概念找出表示其语义信息的上下文,然后采用谓词逻辑的形式表示概念的上下文,最后将本体映射问题转换成命题可满足性问题(SAT),并通过推理方式建立本体之间的语义映射关系。为了验证所提方法在处理本体映射问题时的可行性与有效性,采用OAEI所提供的共享数据集来测试SM-Context。实验结果表明,SM-Context可以有效地利用概念的上下文为本体之间建立语义映射关系。
文摘随着领域内本体数量的不断增多,很多本体映射方法已经不适用于多本体映射任务。为此,提出一种基于参考本体的多本体映射方法 (multiple ontology mapping based on reference ontology,MOM-RO)。在多本体映射过程中,方法 MOM-RO从源本体集合中提取共享概念集合并建立参考本体;然后利用参考本体来构建一个统一的向量空间模型;然后,将源本体中的概念表示成该模型中的向量,从而使用向量之间的欧氏距离来计算概念之间的相似度;最后,建立源本体之间的映射关系。实验结果表明,方法 MOM-RO可以有效地完成多本体映射的任务。
文摘不同本体之间的异构性严重地影响了本体之间的知识共享与重用,为此,提出一种基于多种类型匹配器的本体映射方法 OM-Matchers(Ontology mapping based on multiple matchers).在建立本体之间映射关系的过程中,OM-Matchers先使用多个类型的匹配器从本体模型中抽取相应类型的信息;然后这些匹配器为概念对计算相似度值,其中概念对所包含的两个概念来自于不同的本体;最后为待映射的本体模型建立相似度矩阵,并采用迭代策略完成本体映射任务.为了验证本文所提方法在处理本体映射问题时的可行性与有效性,采用OAEI所提供的共享数据集的benchmarks子集来测试OM-Matchers.实验结果表明:OM-Matchers可以有效地建立异构本体之间的映射关系.
文摘本体模型是语义Web中应用广泛的知识表示模型,本体集成是实现异构本体之间知识重组、共享和重用的有效方法。一般来说,本体集成所产生的知识模型为结构复杂的网状模型,严重地影响了本体模型之间的知识共享、重用以及查询等语义互操作。为解决上述问题提出了一种视图本体集成系统(Ontology Integration System based on View,OIS-View)。OISView首先通过查询的方式将多个局部本体集成到一个全局视图;然后整合各个局部本体之间相同或者相似的元素,并得到一种网状的知识模型;最后将网状知识模型转换成树型结构模型以得到集成后的全局本体。为了证明OIS-View在处理本体集成问题时的可行性与有效性,还使用OAEI所提供的共享本体集合对OIS-View进行测试。
文摘由于现有的经典本体映射方法以及相似度计算方法无法处理模糊信息,因此它们都无法计算模糊概念之间的相似度.为此,提出了一种新的基于向量空间模型的模糊概念相似度计算方法 Sim FC-VSM(similarity of fuzzy concept based on vector space model).Sim FC-VSM方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量;最后通过向量运算的方法来计算模糊概念之间的相似度.因此,所提出的方法 Sim FC-VSM可以有效地利用向量空间模型来计算模糊概念之间的相似度.
文摘不同本体之间的异构问题严重地影响了本体之间的知识共享和重用。针对本体之间异构性的问题,本文提出一种基于本体贝叶斯网络模型(OBN)的本体映射方法(OM-OBN:Ontology Mappingbased on OBN)。在映射的过程中,方法OM-OBN首先将待映射的本体模型转换成OBN模型,并为OBN模型的每个节点建立一个相似度表,然后根据相似度表中的数据建立本体之间的映射关系,然后再利用已有的映射关系去更新相似度表,最后采用迭代映射策略,反复地执行建立映射和更新相似度表的过程,直到OM-OBN无法建立新的映射关系为止。实验结果表明:方法OM-OBN可以实现本体模型到OBN模型的转换,并有效地利用转换后的模型来建立本体之间的映射关系。因此,方法OM-OBN可以解决异构本体之间知识共享和重用等问题。
