基于领域本体与CBR的案例知识供需匹配研究

[目的/意义]在知识经济时代,面对海量的信息、知识,对知识资源供需匹配的研究有助于对知识资源的有效配置,实现知识资源价值最大化。[方法/过程]以案例知识为研究对象,基于供需匹配视角,针对现有知识匹配研究之不足,提出基于领域本体与CBR的知识供需匹配方法。该方法将案例知识供需匹配过程细分为语义匹配和CBR匹配,并在CBR匹配阶段确定最终匹配结果。[结果/结论]实证分析表明,与既有方法相比,该文提出的知识供需匹配方法具有一定的比较优势:通过引入概念相关度,对概念相似度进行改进,使匹配结果更为准确客观;采用聚类的方法压缩遍历空间,减少匹配计算的冗余度,提高了匹配效率。

基于Map Reduce的云计算产业联盟知识匹配研究

云计算产业联盟中知识的分散性、海量性及复杂性增加了联盟成员知识匹配的难度,影响知识匹配的全面性和准确性。针对上述问题提出云计算产业联盟知识匹配流程,并设计基于Map Reduce的改进综合语义相似度计算匹配方法。该方法将综合语义相似度计算中加入非层次关系的影响因素,从而确保云计算产业联盟知识匹配的全面性。同时,将改进的综合语义相似度计算与Map Reduce函数结合实现并行化处理,提高知识匹配的准确性和时效性。最后通过实验进行仿真结果分析,证明了该方法的优越性。