基于语义一致性的多层本体元模型构建方法研究

为了解决各领域知识的语义异构,实现知识共享,需要建立统一的本体模型框架和方法体系。在分析其他本体构建方法特点的基础上,提出了多层本体元模型构建思想。首先,利用顶层本体描述无具体领域特征的普遍联系;然后,通过上层本体描述各领域基本特征的核心类与关系;最后,基于应用本体描述明确领域内的具体实例。在此基础上,构建了三层本体元模型。通过5W1H分析法归纳了顶层本体的概念与关系,设计了三层本体元模型的概念模型,保证了本体全局的语义一致性;通过模块的裂变、重组、复用,实现了本体的模块化构建;以情境模型为例,构建了通用的情境本体实例。最后设计了通用本体的语义一致性检验方法,以提高本体建模效率,保证语义一致性要求。

基于多层本体方法的信息集成研究

针对动态信息源间的语义异构问题,通过对现有基于本体的信息集成方法的分析,从消除信息源动态变化的影响和支持异构信息源集成的角度出发,建立包括全局本体层、领域本体层和局部本体层的多层本体集成方法。多层本体方法简化了全局本体的构建,能够集成领域视角不同的动态信息源并支持现有本体的重用,为大规模异构信息源的集成提供了可行的解决方案。

QoS多层本体的双向度量模型

针对传统质量评估模式中指标权重赋值依据单一的问题,首先将服务描述本体分为共享本体和专属本体两个抽象层次,构建具有"抽象-应用-度量"多层结构的QoS本体,用于QoS度量的对象描述和数据采集;然后建立基于深度信任网络和回归模型的双向度量模型DM-QSM,将服务描述信息和类似服务历史数据作为训练样本数据集对DM-QSM进行正向训练,再结合用户反馈对DM-QSM进行逆向调优,以实现QoS度量指标权重及其偏好度的自适应调节。最后选用可编程建模环境NetLogo为实验平台、公共服务数据集QWS为训练样本集、电子商务应用服务为测试样本集,验证了DM-QSM的可行性和有效性。关键词:多层本体;服务质量(QoS)度量;

基于知识关联的多层本体立方体设计与实现——以金融证券领域为例

[目的/意义]结合金融证券行业特征,借鉴层次式设计思路和数据立方体概念,提出多层领域本体立方体模型并完成构建。[方法/过程]复用FBIO本体进行知识建模;利用LDA主题建模与BIRCH层次聚类完成概念提取;基于依存句法和深度学习框架的知识抽取完成本体实例扩充;通过维度分类和基于概率的实体空间向量表示增强语义关联性。[结果/结论]多层构建方式和立方体结构增加了知识内在关联,为金融概念知识提供多层次、细粒度的知识组织方式;也为本体构建提供新的思路。

基于多层领域本体的知识表示通用模型研究

随着复杂信息系统涉及的知识领域越来越广泛,传统的基于领域本体以及基于关键词的知识表示模型,当处理多领域异构知识的共享与重构时,表现出异构信息有效组织及准确检索的不足。针对此问题,提出了基于多层领域本体的知识表示通用模型,借鉴顶层本体提供的上层语义知识,整合各领域的本体知识,并详细分析了由顶层本体、上层本体、应用本体、实例本体组成的多层领域本体的各层本体的构建流程。仿真实验通过与基于传统领域本体以及基于关键词的知识表示模型的对比分析,分别于一个以及多个领域知识的视角下,验证了基于多层领域本体的知识表示通用模型的有效性。

面向资源本体的山地生物多样性空间分析研究

研究了面向山地生物多样性保护的资源本体空间分析问题;建立了基于Mereotopology与定位理论的山地多层生物资源本体模型,并在此基础上完成了数字峨眉资源环境动态监测系统。实验证明,该系统不仅存储了峨眉山自然保护区内濒危物种的分布、植被、气候等丰富的资源信息,而且通过空间分析技术,揭示了保护对象与生境的存在状态、破碎程度和变化趋势之间的内在关系。本研究为本体论与山地生物多样性保护工作相结合探索了一条新的途径。

A novel algorithm for establishing taxonomic relation of Chinese ontology

Both a general domain-independent bottom-up multi-level model and an algorithm for establishing the taxonomic relation of Chinese ontology are proposed.The model consists of extracting domain vocabularies and establishing taxonomic relation,with the consideration of characteristics unique to Chinese natural language.By establishing the semantic forests of domain vocabularies and then using the existing semantic dictionary or machine-readable dictionary(MRD),the proposed algorithm can integrate these semantic forests together to establish the taxonomic relation.Experimental results show that the proposed algorithm is feasible and effective in establishing the integrated taxonomic relation among domain vocabularies and concepts.