领域Ontology的自动丰富——基于ADL地名表的实例研究

本文以一个地理特征词表(Feature Type Thesaurus,FTT)为研究实例,提出了一种对领域Ontology进行自动丰富的方法。FTT描述了200多种地理特征类型,依照等级结构组织,用于标引和组织美国亚历山大数字图书馆地名表(ADL Gazetteer)中的6百万个地名。为了对FTT进行自动丰富,(1)首先从地名中抽取和发现有检索价值的、表示地理特征类型的通用词;(2)根据它们和标引主题词间的同现关系,在相同词族词汇的聚类过程中,确定与之相对应的主题词,进而将提取出的通用词定位到FTT的等级结构中。充分利用已经存在的大量标引语料,实现通用词的定位分析是核心内容,并且实验结果证明有效性达到82.7%。这项研究的实质是从Ontology标引的语料库中自动提取领域知识和标引知识,达到对Ontology的自动丰富。这一方法可以应用到类似的语料库和知识库上,实现新术语的发现、Ontology自丰富及其互操作。

领域Ontology概念描述体系构建方法探析

通过对Ontology构建研究存在的问题,以及与传统信息组织方式之间的关系进行详细分析的基础上,吸取笔者在具体构建过程中的经验教训,对构建领域Ontology概念描述体系的有效方法与途径进行了深入探讨,并在提出解决方案的同时,着重探讨了已有公认领域知识以及领域专家有效参与这两个快速构建领域Ontology概念描述体系必备条件的实现途径与方法。

领域Ontology自动构建研究

利用自然语言处理(NLP)理论和技术方法对已有公认领域知识,如专业叙词表、专业辞典、专业教材或权威著作等进行重构利用;借助领域专家知识,实现了基于网络的知识采集与加工;建立起受限文本的Ontology自学习机制,从而实现领域Ontology概念描述体系的自动构建.最终有效地解决了Ontology的自动构建这一瓶颈问题,成功地探索出了一种较为理想、实用的理论与方法,为专业领域Ontology的自动构建提供了理论依据及技术支持.

基于领域Ontology的知识检索模型研究

针对传统信息检索模型不能很好满足用户需求的问题,在分析现有相关研究的基础上,提出基于领域On-tology的知识检索模型。通过构建领域Ontology,对文档进行语义标注,对查询请求进行概念提取和语义扩展,从而得到语义索引项作为文档和用户请求的知识表达,进一步研究领域Ontology中词语间语义关系的计算模型。考虑到语义相似度与语义相关的内在关系,给出相关系数来衡量检索目标与候选者间符合程度。最后对提出的模型进行验证,结果表明检索性能有显著提高。

基于领域Ontology的知识检索模型研究

传统信息检索模型不能很好满足用户的需求,本文在分析现有相关研究的基础上,提出了基于领域Ontology的知识检索模型。通过构建领域Ontology,对文档进行语义标注,对查询请求进行概念提取和语义扩展,从而得到了语义索引项作为文档和用户请求的知识表达,进一步研究领域Ontology中词语间语义关系的计算模型。考虑到语义相似度与语义相关的内在关系,给出相关系数来衡量检索目标与候选者间符合程度。最后对本文提出的模型进行了验证,表明检索性能有了显著提高。

基于Ontology的领域知识构建技术综述

随着知识资源的不断丰富,对知识进行有效的组织和管理,实现知识共享和重利用,从而充分有效地利用知识资源是一项迫切的研究课题。Ontology的知识组织方式通过提供对领域知识的共同理解实现知识共享,主要从定义、功能、构建、应用、研究现状等方面对Ontology进行了介绍分析,并探讨了其研究方向和重点。

Ontology在数字图书馆领域中的应用与研究综述

Ontology 作为一种能在语义和知识层次上描述概念体系的有效工具,是知识工程及其相关领域的研究热点之一,在数字图书馆领域也得到了相当广泛的关注。本文简要介绍了 Ontology 在数字图书馆领域的研究和应用现状,包括 Ontology 与叙词表、分类法、知识库、元数据的关系,Ontology 构建方法以及 Ontology 在数字图书馆领域的应用等。

Ontology在信息管理领域的研究背景

文章给出了 Ontology的概念 ,介绍了中文名称的翻译种类 ;分析了 Ontology在国际上处于热点研究领域 ,国内处于起步阶段 ;解释了在信息检索领域 Ontology的构建方法 ,研究内容 ,以及与叙词表的关系 ;展望了

Ontology在图书情报学领域中的应用

文章围绕ontology在图书情报领域的研究和应用方向,选择数字图书馆、语义网、机器翻译等三个研究方向,介绍了这三个方向的研究进展,同时展望了ontology在这三个方向的应用前景。

国内图书馆学情报学领域关于Ontology的研究综述

Ontology作为一种能在语义和知识层次上描述概念体系的有效工具,是知识工程及其相关领域的研究热点之一,在图书馆学情报学领域也得到了相当广泛的关注。本文简要介绍了图书馆学情报学领域的研究现状,包括Ontology与分类法、叙词表、元数据的关系,Ontology在数字图书馆、文献标引、信息检索方面的应用等。

主题方面共享的领域主题层次模型

层次主题模型是构建主题层次的重要工具.现有的层次主题模型大多通过在主题模型中引入nCRP构造方法,为文档主题提供树形结构的先验分布,但无法生成具有明确领域涵义的主题层次结构,即领域主题层次.同时,领域主题不仅存在层次关系,而且不同父主题下的子主题之间还存在子领域方面共享的关联关系,在现有主题关系研究中没有合适的模型来生成这种领域主题层次.为了从领域文本中自动、有效地挖掘出领域主题的层次关系和关联关系,在4个方面进行创新研究.首先,通过主题共享机制改进nCRP构造方法,提出nCRP+层次构造方法,为主题模型中的主题提供具有分层主题方面共享的树形先验分布;其次,结合nCRP+和HDP模型构建重分层的Dirichlet过程,提出rHDP(reallocated hierarchical Dirichlet processes)层次主题模型;第三,结合领域分类信息、词语语义和主题词的领域代表性,定义领域知识,包括基于投票机制的领域隶属度、词语与领域主题的语义相关度和层次化的主题-词语贡献度;最后,通过领域知识改进rHDP主题模型中领域主题和主题词的分配过程,提出结合领域知识的层次主题模型rHDP_DK(rHDP with domain knowledge),并改进采样过程.实验结果表明,基于nCRP+的层次主题模型在评价指标方面均优于基于nCRP的层次主题模型(hLDA,nHDP)和神经主题模型(TSNTM);通过rHDP_DK模型生成的主题层次结构具有领域主题层次清晰、关联子主题的主题词领域差异明确的特点.此外,该模型将为领域主题层次提供一个通用的自动挖掘框架.

领域法学视野下的数字法问题

数字法律现象呈现出客体复合性、主体多样性及法律关系多元性特征,决定了传统研究范式转型升级成为数字法学的必然选择。领域法学作为调整交叉领域法现象的研究范式,与数字法问题相吻合。领域法学具体化、立体化以及复合化思维,可与部门法学协同互补;其立体性、自足性和因应性特征可对传统法学研究方法进行吸收和补充。运用领域法学研究范式,可立体化提炼数字法现象,多维度整合数字交叉学科,以达到全方位解决数字法问题的效果。在宏观上,归纳“数字赋权-代码规制-数字正义”的数字治理逻辑;在微观上,演绎数据权利分类确定、数据交易分层规范、算法治理多元共治、权益救济多方协同的数字治理机制,构建完整的数字法学知识体系。

医学领域知识融合研究进展

医学领域知识融合旨在将分散在各个知识图谱或不同数据源中的医学知识进行整合,形成一个更全面的知识图谱,在提高知识质量、扩大规模、提高医学知识利用率和共享性等方面具有促进作用。围绕知识融合的问题和解决方案,首先系统地梳理了医学领域知识融合的定义、评价指标及数据集;分类讨论了知识融合过程中存在的问题与挑战;然后从问题、技术两个维度,综述了目前知识融合中实体对齐、实体链接任务各方法的优势与不足;详细讨论和总结了医学领域知识融合每一类问题的相关解决方案;最后,总结并展望了医学领域知识融合的发展方向。

一种基于Ontology的文献领域语义检索机制的实现

针对传统基于关键词匹配的信息检索系统存在的问题,结合文献信息的特点,本文设计了一个基于Ontology的文献领域语义检索系统模型,提出新的本体构建方法,构建了一个文献领域本体,定义了推理规则,通过语义推理挖掘出隐含的同引和同被引文献关系,帮助和引导用户快速有效地查找到相关文献。通过实验,验证了基于Ontology的文献领域检索系统的优越性。

融合领域要素知识的多粒度法律文本匹配方法

法律文本匹配的目标是快速提炼对比要素信息并发现关联案件,保障法律适用的统一性同案同判.现有方法未能充分利用特定类型案件的先验知识,其核心要素提取准确率低,仅进行词向量的权重计算,忽略字义、句义、句法的向量信息,影响匹配效果.提出一种融合领域要素知识的多粒度法律文本匹配方法,通过建立特定案件类型领域知识库准确提取法律要素,引入字、词、句3个粒度的注意力机制计算不同文本向量的权重提升匹配模型效果.实验结果表明,该方法在公开数据集上可达到最好效果.

融合知识的文博领域低资源命名实体识别方法研究

文物数据的实体嵌套问题明显,实体边界不唯一,且文博领域已标注数据极度缺乏,导致该领域命名实体识别性能较低。针对这些问题,构建一个可用于文物命名实体识别的数据集FewRlicsData,提出一种融合知识的文博领域低资源命名实体识别方法RelicsNER。该方法将类别描述信息的语义知识融入文物文本中,使用基于跨度的方式进行解码,用于改善实体嵌套问题,并采用边界平滑的方式缓解跨度识别模型的过度自信问题。与基线模型相比,该方法在FewRlicsData数据集上的F1值有所提升,在文博领域命名实体识别任务中取得较好的性能。在公开数据集OntoNotes 4.0上的实验结果证明该方法具有较好的泛化性,同时在数据集OntoNotes 4.0和MSRA上进行小规模数据实验,性能均高于基线模型,说明所提方法适用于低资源场景。

基于AIS数据的船舶风险领域模型

为构建船舶风险领域及分析其特征,基于船舶自动识别系统(Automatic Identification System,AIS)数据提出一种具有风险级别的船舶领域模型。首先,根据预处理后的AIS数据,获取他船相对于本船的位置。然后,采用椭圆领域边界对船舶相对位置数据进行筛选,同时获取到代表风险级别的临界点,并使用最小二乘法对其进行拟合,从而得到船舶风险领域。最后,利用老铁山水道中149 m、190 m、229 m、300 m船舶的AIS数据对所提方法进行验证,并分析船舶风险领域的特征。结果表明,该方法可以较好地反映船舶的风险级别;在同一风险级别时,不同尺度船舶间的风险领域长、短半轴与船长之比差异较小;风险级别为1的船舶领域边界接近于圆形;他船在本船周围分布的密集程度不同。本研究所提模型对航行安全保障、航行风险研究有一定的参考意义。

“价值引领-战略驱动-五融并举”的机器人领域研究生培养探索与实践

机器人是“制造业皇冠顶端的明珠”,其研发、制造、应用是衡量一个国家科技创新和高端制造业水平的重要标志。湖南大学提出的“价值引领–战略驱动–五融并举”机器人领域研究生培养模式以思政引领、文化引领和科学家精神引领为价值内核,以面向空天信息机器人多模态感知与融合世界科技前沿、集群机器人化智能制造经济主战场、深空深海探测自主无人系统国家重大需求、高端医疗装备人民生命健康需求等国家重大战略为驱动,构筑了以德智融合、科教融合、学科融合、专创融合和产教融合为内涵的“五融并举”实施路径。通过推进实施该模式,学校在机器人领域研究生培养方面取得了良好的成效。

Ontology领域概念化模型的研究

语义网是当前Web的扩展,是WWW发展的核心技术之一。为了实现语义网,需要有丰富的且及时更新的本体。本体作为语义网的知识表示模型很好地解决了语义层次上Web信息共享和交换的问题。而本体的构建及其形式表示方法,是建立语义web的基础和核心。论文从Ontology的基本理论出发,基于基本概念、角色和关系,探讨了Ontology领域概念化模型的建立。

数据要素在医疗健康领域的内涵、价值与应用

十七部门联合发布的《“数据要素×”三年行动计划(2024—2026年)》引发了社会的广泛关注。本文首先探讨医疗健康领域数据要素的本质、分类及其重要性。在此基础上,提出促进医疗健康数据融合创新的关键策略,包括通过技术赋能医疗健康数据的采集,推动医疗健康数据的整合与标准化工作,促进医疗健康数据的开放和共享,以及加强对医疗健康数据的安全保护。