基于OWL属性特征的语义检索研究

在文献检索中,概念的语义相似度计算直接影响查准率和查全率指标。将本体描述语言OWL(Web Ontology Language)的属性特征有机结合到语义检索模型中,设计本体内实体间匹配度算法,度量概念的相似度,并对检索指标参数化。设计的原型系统实验表明,通过参数化可以有效调节检索的性能指标,定制用户的检索。

基于OWL的本体映射中概念相似度计算方法的研究

随着网络上的本体越来越多,为了实现不同本体间的知识重用和共享,需要在本体间建立映射。而建立映射的关键在于找到概念相同或相近的实体对。借鉴计算语言学中的语义距离思想,提出了基于OWL构词所描述的本体概念相似度计算方法,该方法充分考虑了概念本身、概念属性、概念所处的层次结构和概念的OWL语义四个方面的语义相似度。

基于OWL的双语领域本体构建方法研究

随着在万维网上进行多语种语义查询要求的提高,多语言本体的研究逐渐成为热点,但是专业领域多语言本体的研究还相对较少。在对现有多语言本体构建方法的分析比较基础上,设计了两种基于OWL的、面向计算机软件工程专业领域知识的、汉英双语领域本体的构建方法,并进一步研究了基于上述两种方法的概念间相似度的计算方法,并且利用以上两种方法,以软件工程中UML知识为来源,建立了一个实验性双语领域本体。该方法在概念映射方面改进了原有方法无法有效地实现概念映射的缺陷,在多语种概念映射方面具有比较好的效果。

基于owl-s的语义web服务发现研究

在语义web服务发现中,对web服务进行语义描述是一个关键步骤。使用服务本体描述语言(owl-s),能够以机器可解释的方式描述web服务,使服务发布者与请求者能够共享公共语义信息。本文研究了基于owl-s的语义web服务发现技术,在服务匹配时应用了一种改进后的综合考虑本体概念层次深度以及密度的新方法来计算服务相似度,使服务匹配结果更加合理。

本体中概念相似度的计算

本体是概念、属性和关系的集合。本体异构是本体间互操作的主要障碍,解决本体异构最好的方法是本体映射。本体映射的关键是概念相似度的计算,但计算时一般不考虑关系和属性对相似度的影响,计算结果存在误差。论文从两个方面对概念的相似度进行计算。首先计算概念的语义相似度,然后计算概念描述相似度。实验表明该计算方式可以提高计算结果的精确度。

基于本体概念相似度的语义Web服务匹配算法

通过定义本体中概念之间的语义距离来计算本体概念之间的相似度,提出一种基于该相似度的Web服务的精确匹配算法,新的算法与经典的OWL-S/UDDI匹配算法比较,不仅在等级上保持一致,而且使同一等级或不同等级之间的服务匹配都达到精确的程度。用GEIS系统中Web服务的数据进行两种算法的性能测试,得出相似度匹配算法的平均查准率是OWL-S/UDDI匹配算法的1.8倍,平均查准率是OWL-S/UDDI匹配算法的1.4倍。

领域本体中的概念相似度计算

借鉴计算语言学中的语义距离思想,提出了RDFSchema构词所描述的本体概念相似度计算方法,并利用该方法对农业知识本体(AO)所描述的部分概念进行了相似度计算和分析.结果表明,该方法可以定量地分析概念、特性之间的相似度,并可以指导基于领域知识本体的语义查询中的概念集扩充和查询结果排序.

一种改进的本体语义相似度计算及其应用

词语相似度研究,是知识表示以及信息检索领域中的一个重要内容。词语相似度的计算方法一般是利用大规模的语料库来统计。本体给词语间相似度计算带来了新的机会。利用本体结构上的ISA关系,提出了本体内部概念之间的相似度计算方法。实验结果表明,该方法能充分利用本体特点来计算相关概念之间的相似度。结合一个简单本体,介绍了如何计算概念间的相似度,及其在智能检索系统中的应用。

基于本体的概念相似度计算

概念相似度的计算是信息检索领域的研究热点。本体在信息检索和人工智能领域的广泛应用,为概念相似度计算带来新的方法。该文提出一种利用本体来计算概念间相似度的方法,综合考虑语义距离和本体库统计特征。加入概念的深度、语义重合度和概念间强度的辅助影响。实验结果表明,该方法对概念相似度的计算有效,可应用于面向Web的信息检索。

本体映射过程中的概念相似度计算

随着本体技术的逐渐成熟,如何为本体搭建语义桥梁以实现知识的重用与共享成为新的研究热点。在分析现有相关技术的基础上,提出通过解析本体中概念的特征并借助语义相似度度量技术找到不同本体间相同或相近的概念对的计算方法,同时用于本体映射过程中。实验证明,该方法具有良好的效果。

一种基于本体的语义相似度算法研究

在研究目前比较经典的基于语义距离的相似度算法的基础上,通过分析语义概念的其他关键因子,增加了节点密度以及概念属性对语义相似度的影响,提出了一个更为规范的相似度算法。通过实验分析证明,改进后算法所得相似度值更加合理,在一定的调节参数下,与人类主观判断的兼容度比原始算法提高了约15%。

领域本体的概念相似度计算

随着本体在信息检索、人工智能等领域的广泛应用,面向本体的概念相似度计算成为了本体研究的一大热点。当前领域本体中概念相似度的研究主要是利用概念的上下位关系进行计算,但这并没有完整反映出概念的语义信息。论文提出的算法将概念相似度计算分为两层,一层是概念语义初始相似度层,其主要利用概念之间的距离来计算概念的初始相似度。另一层是概念非上下位关系相似度层,其在概念初始相似度的基础上,计算概念通过非上下位关系体现出的相似度。最后通过综合计算,得到领域本体中概念的实际相似度。实验证明,该方法充分利用了本体中概念的语义信息,得到的结果也比较合理。

基于概念分类的多本体映射方法研究

为提高多个本体参与的大规模本体映射效率,提出基于概念分类的映射模型,将大映射问题转换为概念分类匹配问题,采用基于WordNet的概念粒度计算和语义相似度计算作为分类树的分类属性,通过快速排序算法实现概念分类,将输入概念分组。实验证明,提出的方法在保证映射准确性的同时减少了概念比较次数,降低了复杂度,方案具有可行性。

基于降维理论的本体映射算法

通过建立多本体间的映射,实现多本体间的相互操作.将多本体图中每个顶点对应的信息用一个向量表示,通过计算多本体图中每对顶点的欧式距离建立一个连通的本体图,利用谱聚类降维方法将本体图中每个顶点的数据信息降为一维,从而通过顶点对应的实数间的差值判断来自不同本体顶点间的相似程度,进而建立本体映射.实验结果表明,新算法能较好解决已有文献中存在的问题,在结构存在差异的本体间建立映射是有效的.

改进的概念语义相似度计算

在相似度计算中,本体能够将各种概念及相互关系明确地、形式化地表达,因而发挥着重要的作用。为了使相似度计算结果更为精确,考虑更全面的利用本体中的关系,和相似度计算在特定领域中应用的特点,提出一个改进的相似度计算模型。利用上下位关系计算相似度,非上下位关系计算相关度,将二者合成,并同时考虑语义检索领域中,相似度计算的不对称性。经过实验验证了该方法有效且精确。

Web服务匹配中基于语义距离的概念相似度计算方法的改进

在Web服务匹配中,基于语义距离的概念相似度计算方法居于重要的地位。因现有基于语义距离的概念相似度计算方法未考虑语义不对称性和语义密度的影响,导致计算结果不够准确。为提高概念相似度计算的准确性,在现有研究的基础上,通过增加不对称因子和密度因子,对基于语义距离的概念相似度计算方法加以改进。最后通过算例对改进后的方法的可行性进行了验证,经对比分析表明改进后的方法更真实地反映了概念间的语义关系,计算结果更加符合客观实际。

基于场论的本体中概念相似度求解方法

针对目前本体中概念相似度求解方法孤立考虑概念信息量或概念关系的问题,提出基于场论的概念相似度求解方法。该方法首先明确概念的语义关系是由概念包含的信息决定且隐性的概念关系通过显性的概念关系推出,并将概念包含的信息划分为共性信息与特性信息两类。结合场论的原理和方法,将本体映射为与物理场具有相同特性的语义场,将概念的共性信息和特性信息分别转化为语义引力元和语义距离,采用引力场模型计算概念的相似度。结合坦克装甲车辆和舰船领域知识检索需求,建立基于本体的语义检索系统,并通过与五种典型的相似度求解方法进行对比分析,验证了该方法的正确性和有效性。

一种基于本体的自然语言语义相似度算法

基于图理论的概念间语义度量方法,改进了语义相似度部分影响因素,提出一种结合设计良好的领域本体来计算自然语言概念间的语义相似度的算法。对自然语言与本体的关系进行分析,并通过本体对节点密度、节点深度与节点层次顺序等影响概念语义相似度的因素进行了改进,综合考虑概念的语义距离、概念间关系、概念的属性与概念所处的层次等影响因素,利用本体对相关领域的基本术语和关系的准确定义,改进了基于本体的概念间语义相似度的算法。实验结果表明,该算法对于提高概念间相似度的计算精度明显高于其他算法。

改进的本体概念语义相似度计算方法

本体概念语义相似度计算被广泛应用于本体映射、语义Web服务本体匹配等领域,以往的概念语义相似度计算方式存在计算粒度大,计算方法单一等缺陷。文中提出一种改进的基于概念子图的概念语义相似度计算方法,该方法考虑了本体概念的深度、密度对语义距离的影响,细化了计算粒度,并将语义距离与信息量方法相结合。试验表明,改进的方法优于传统方法。