基于语义元的设计方案形式化与重用方法研究

设计方案重用一直是方案设计领域中的难题,主要原因在于计算机不擅长处理方案设计过程中的抽象信息和无法实现设计方案的形式化表达。针对上述问题,在分析了大量设计语义后建立了设计语义元表,并通过语义元之间的挂靠操作实现了抽象设计语义的具体化表达。在此基础上,通过建立方案树与/或关系运算规则实现了方案设计过程的形式化和设计结果的形式化。由于形式化的方案设计结果不仅表达了方案设计的原理解,而且隐含了方案设计的过程信息,因此较好地实现了对已有设计方案的多层次重用。上述理论和方法已经在DDMS(Draw-ing,design and management system)系统中实现。

PDF科技论文语义元数据的自动抽取研究

在分析PDF文件结构的基础上,解析PDF文件的内容流,并采用基于规则的匹配方法和基于格式的定位方法,自动抽取科技论文中的语义元数据信息。实验结果表明,上述方法对标题、作者等重要的语义元数据信息能够达到较好的抽取效果。

基于Wikipedia的语义元数据生成

语义元数据提供数据的语义信息,在数据的理解、管理、发现和交换中起着极为重要的作用。随着互联网上数据爆炸式的增长,对自动元数据生成技术的需求也就变得更加迫切。获得目标语义元数据及得到足够的训练语料是使用自动生成技术的两个基本问题。由于获得目标语义元数据需要专家知识,而获得足够的训练语料需要大量的手工工作,这也就使得这两个问题在构建一个成功的系统时至关重要。该文基于Wikipedia来解决这两个问题:通过分析一个类别中条目的目录表(table-of-contents)来抽取目标语义元数据,通过对分析文档结构和赋予目标结构正确的语义元数据来构建训练语料库。实验结果表明,该文的方法能够有效地解决这两个问题,为进一步的大规模的语义元数据应用系统打下了坚实的基础。

VISION：集成分类法、主题词表和语义元数据的概念网络

本文提出了一种在分类法和主题词表的基础上集成语义元数据、构建概念网络、实现概念检索的方法.和其他的概念检索系统相比,它的最大特色是在检索之前先将信息资源根据其内容和主题组织到概念网络中.这样的概念网络,既是一个资源组织的框架,又是一个知识浏览和概念检索的信息空间.同时,还能支持用户学习.文章介绍了国内外概念检索的研究现状,讨论了集成分类法、主题词表和语义元数据构建概念网络的方法和好处.介绍了一个原型系统VISION,它是在<中国分类主题词表>的基础上,利用北京大学图书馆计算机类的书目数据实现的.文章最后进行深入讨论并介绍下一步的研究工作.

语义元数据的描述及生成技术研究

语义元数据是有关Web内容语义信息的数据描述,它的有效表示及生成是构建语义Web的关键性技术。本文在讨论各种语义元数据的表示方法后,研究语义元数据的生成技术,在分析现有技术的特点和不足后,评述语义元数据生成技术的发展趋势。

面向信息处理的语义元语研究

信息处理正步入语言处理的高级阶段,需要语义知识的支持,而语义研究尚不成熟。语义元语研究是信息处理语义研究的基础工作。本文重点评介中文信息处理界关于语义元语研究的几种做法,并提出我们的思路和设想。

基于本体的语义元数据管理

语义元数据在语义网格中扮演着关键的角色,它为实现服务的查找、匹配、发现过程提供必要的信息描述和决策支持。探讨了语义元数据的产生背景、功能分类以及基于本体的语义元数据的管理需求和通用框架,然后对现有典型系统的基于本体的语义元数据管理进行了深入地分析和比较,提出了基于本体的语义元数据管理未来研究内容。

应用本体的MIDA语义元模型研究

分析了动态联盟制造信息(MIDA)组织的特点,指出了现有制造信息本体构建思想中亟需解决的问题,设计和构建了基于本体的动态联盟制造信息语义元模型,利用本体的语义能力对动态联盟制造信息进行明确的、形式化的表达,并以典型产品的制造信息为例进行描述,验证了模型的合理性与有效性。

语义元数据定义及映射方法探究

语义元数据主要作用是提供数据的语义信息,对数据的管理、传输、理解和交换有着重要作用。随着互联网的不断发展,数据呈现爆炸式的增长,对元数据的映射提出更为严格的要求。本文结合作者多年的工作经验对语义元数据的定义与映射方法进行探究。

CEOOM──一个面向复杂环境的语义元模型

本文叙述了一个面向复杂环境建模的语义元模型：ＣＥＯＯＭ，它是基于扩充的实体－关系模型，并从语义模型和面向对象的方法吸收了许多有用的概念和机制，模型定义了ＩＳＡＴ类型层次和基于类型层次的继承机制，定义ＡＳＡＴ类型层次和角色的概念，定义了ＩＳＡＲ关系层次和一般关系导出机制，并为复杂建模提出了超实体、超模型和模型层次的概念，为概念模型设计中采用自顶向下或由下而上的方法提供了方便，也为企业中各类层次的管理人员获得他们各自所需的信息提供了基础。

论新闻英语写作的语义元功能

系统功能语言学以语义为理论核心,认为一切语言的本质都是在交际中的运用,具体表现为概念功能、人际功能和语篇功能等三大语义元功能。新闻英语作为一种概括性很强且承载重大社会责任的功能语体,其写作过程应充分解析和调动语义元功能,从而保障新闻传播的品质和新闻事业的发展。

基于语义元数据的医养数据融合研究与实现

传统的数据融合系统在进行医养数据融合时由于缺乏灵活性和扩展性,存在无法有效解决数据模型不统一、数据质量较差、无法进行统一可视化和数据访问等问题。针对以上问题,基于五元组表示的语义元数据,对数据模型、清洗和融合规则、数据可视化和访问进行建模和描述,研究并实现了医养数据融合系统,提供基于五元组描述的统一数据建模模型、数据清洗融合模型、数据可视化和访问模型。应用案例和实验结果表明,采用该系统能够动态进行建模和规则定制,满足区域医养数据融合对灵活性和扩展性的要求,同时满足对一定数据量下的处理响应时间的要求。

基于语义元模型的装备体系结构建模方法

根据以数据为中心的体系结构建模思路,提出了一种装备体系结构语义模型——语义装备体系。首先在DoDAF元模型(DoDAF meta-model,DM2)基础上提出语义元模型,定义了装备体系结构的概念基础类及关联关系,给出了由类、关系、属性和实例构建四元组的本体描述框架;其次基于语义元模型构建了作战视图本体模型、系统视图本体模型、能力视图本体模型,明确了体系组成要素在各视图中的定义、关系和属性的形式化描述;最后以海战场预警探测系统为例进行了实例研究,验证了方法的可行性。

基于语义标注的数据资源库元数据质量自动评估方法研究

针对海量信息资源库元数据缺乏对信息内容描述、语义表现力差的问题,在基于元数据信息组织的基础上,研究关系型数据库元数据质量自动评估方法,提出基于相似度计算的数据库元数据语义标注算法进行元数据自动语义标注。该算法综合考虑关系表与本体类名称的相似度计算以及结构相似度计算。其中结构相似度细分为表所含列和类所含属性之间的相似度,以及同它们各自连接的表和类之间的相似度。经综合计算后相似度值大于阈值的本体类用于语义标注。因必须同时满足名称和结构的相似度的本体概念和属性才能用于语义标注,标注准确性较高。另外该算法无需迭代计算,标注效率高。

面向语义的元数据模型一致性检验

面向语义的元数据模型检验用于判断待建元数据在语义上是否一致.首先,借鉴本体的思想,利用描述逻辑建立了面向语义的元数据模型,它是一个7元组,包括术语集、实例集、术语定义集、实例声明集、属性分配集、术语注释集和术语约束集.然后,将元数据模型检验抽象为术语检验和实例检验2类问题.最后,对术语检验和实例检验的判定方法进行分析.研究表明,2类检验问题可分别细化为4类和2类子问题,这些子问题可以相互转换.

面向语义的元数据模型的工程化创建方法

本文借鉴了本体的思想 ,利用描述逻辑建立了面向语义的元数据模型 ,并对模型的结构进行了说明 ,然后对已有的本体开发方法进行简要的分析 。

双语心理词汇语义表征的语义元通达模型

本文提出了双语心理词汇语义表征的语义元通达模型。该模型将双语者心理词汇的语义表征切分为集体共享元、集体特异元、个体共享元和个体特异元。前两类语义元表征稳定,但后两类语义元受个体、时空、文化环境等因素影响,具有动态变化性和不稳定性。集体共享元和个体共享元同时与双语者的一语和二语词汇表征相连;集体特异元和个体特异元仅与一语或二语词汇表征相连。四类语义元与不同语言词汇表征的连接方式、数量和强度共同导致了双语心理词汇语义表征的动态变化模式。语义元通达模型既能解释词型效应和语言间不对称启动效应,也能解释词汇语义的不稳定性造成的双语词汇表征研究结果不一致甚至相互矛盾的现象。

基于语义元模型的需求信息本体构建方法

针对电子商务领域需求信息,提出一种基于语义元模型辅助构建需求信息本体的方法,此方法利用语义元模型构建概念的语义相似度计算框架,为构建本体层次框架结构提供语义依据。实验证明该方法是有效的,可以在一定程度上提高本体的构建效率。

基于前景理论的犹豫二元语义灰关联群决策法

针对偏好信息为犹豫二元语义形式、专家权重和属性权重均完全未知的多属性群决策问题,基于前景理论和灰色关联分析法的思想,提出一种多属性群决策方法.首先,利用矩阵拉直运算和灰色关联分析法确定专家权重,利用偏差最大化法确定属性权重.其次,给出了两个犹豫二元语义元的比较方法,结合该比较方法确定各决策矩阵的正、负理想方案,并以此作为决策参考点.然后,根据前景理论和灰色关联系数确定犹豫二元语义环境下的前景价值函数,进而确定各方案的收益损失比值,并据此对候选方案进行排序.最后,将所提方法应用于一个投资决策算例,其结果表明了该方法的合理性和有效性.

基于词元语义特征的汉语框架排歧研究

框架排歧指的是在一个给定的句子中,判断句中目标词激起的语义场景与该目标词可能激起的哪个框架一致,则将该框架分配给当前的目标词。框架排歧最重要的一个步骤就是特征选择,目前常用的方法是人工特征选择方法,但是这种方法不能有效地利用每个目标词的语义特征,而且大量实验表明,不同的目标词取得最好的结果时所用的特征模板是不同的。因此,该文为每个目标词设置一个特征模板,并提出了特征模板的自动选择算法,首先从语料中抽取特征构成特征集,然后利用打分机制,把特征集中得分最高的特征逐个加入到特征模板中,直到相邻两次的得分不再增加。该文借助汉语框架网语义资源,利用最大熵模型建模,使用自动特征选择算法选出特征模板,并进行5-fold交叉验证,平均精确率可达到84.46%。