本体扩充中冗余实例及误插实例检测机制

随着互联网的迅速发展,信息的过度装载引发了对本体实例的广泛研究.本文提出了基于实例匹配算法的实例检测机制,试图解决本体中冗余及错误实例问题。

基于加权的冗余相似本体实例发现的研究

在开放式的环境下一般由不同的组织和人员对一个领域的本体库的知识实例进行维护和添加,这就可能出现重复描述的实例的问题,会出现对同一对象的不同实例描述,甚至是相互矛盾的,从而出现多义性。这就要通过本体的匹配发现这些重复描述的实例,并把它们合并。但是合并前需要找出这些重复的实例,文中通过对实例属性及其值的加权并通过文中提供的算法来查找出这些冗余的实例。通过实验结果可以发现,此方法可以为解决这个问题提供一种很好的解决方法。

一种基于增量式实例学习的迭代编译方法

为提高编译器的自适应性,以应对复杂的体系结构,提出一个结合迭代编译和机器学习的编译框架。编译器可将在优化空间中搜索到的最佳编译选项信息保存到知识库中,并能从知识库中学习获得适合当前程序的最佳编译选项。实例学习算法具有增量式的特点,可有效利用编译过程中积累的数据。通过避免冗余实例入库以及从库中剔除噪声实例,保证学习的精度与效率。

TCBR中案例相关度及案例冗余处理模型

首先介绍基于文档的案例推理技术TCBR,以及CRN、IEs等基本理论,然后详细介绍CRN的构建过程和相关的函数模型,并提出一个求和函数来计算案例与当前问题的相关值,在文章的后面阐述了TCBR的案例学习方法以及案例相似程度的一个判断函数,并提出在这种情况下对案例冗余的处理方案。

TCBR中案例相关度及案例冗余处理模型

首先介绍了基于文档的案例推理技术TCBR,以及CRN,IEs等基本理论,然后详细介绍了CRN的构建过程和相关的函数模型,并提出了一个求和函数来计算案例与当前问题的相关值,在文章的后面阐述了TCBR的案例学习方法以及案例相似程度的一个判断函数,并提出了在这种情况下对案例冗余的处理.