中文领域知识半自动化OWL本体构建方法研究

传统中文领域本体构建多采用手工构建的方法,这种方法费时费力且重用率不高。针对这种情况,提出一种把中文领域知识文档半自动化地转化为OWL(Web Ontology Language)本体的方法。该方法以武器装备领域为例,先使用分词工具ICTCLAS5.0对中文文档进行分词等预处理,然后使用TF-IDF算法、基于模板匹配算法挖掘领域核心概念、聚类概念等级关系,再使用Jena将聚类后的三元组文档形式化为OWL本体,最后使用Protégé工具对OWL本体进行可视化管理。实验结果表明,该方法可以有效地节省中文本体构建的时间和人力成本,为全面解决中文领域本体的自动化构建提供了一个新的思路和尝试。

UML类图向OWL本体转换工具的设计与实现

介绍了UML类图向OWL本体转换的方法,给出了基于J2SE平台的转换工具(UML2OWL)的设计思想与实现技术.利用DOM API解析、提取UML类图元素,并根据UML-OWL转换规则,将其转换为相应的OWL本体元素.工具开发和案例研究表明,该转换方法在转换UML类图到OWL本体上是可行的,基于该转换方法的自动转换工具是可实现的.

基于图形数据库的OWL本体存储模型研究

本研究从OWL本体的理论基础描述逻辑理论出发,分析本体的基本构成及语义关系,提出了基于图形数据库的OWL本体存储模型,设计了该存储模型的拓扑结构,规定了OWL本体至图形数据库存储模型的存储映射规则,从理论层面证明了该存储模型的有效性和科学性,并得出了相应的启示。

OWL本体关系数据库构建方法

随着本体种类和资源的增加,本体的结构越来越复杂,为了合理地存储各种结构类型的本体、支持高效的本体查询,本文提出了一种基于关系数据库的OWL本体存储方法。该方法通过细致考虑OWL的基本元素,采用与传统的本体分解存储模式不同的构词分类方法,将OWL本体中的类、属性、实例、属性特征和属性约束分别存储在一张二维表中,从而解决了资源与属性值之间的复杂关系问题,并保证了OWL本体存储到关系数据库后语义信息的完整性。最后,利用关系数据库管理系统高效的检索和匹配速度以及SQL语言的高度非过程化,将检索和匹配OWL本体转换成检索关系数据库,弥补了OWL本体数据查询效率低的不足之处。

基于OWL本体的UML类图推理

分析UML模型一致性检测的研究意义,以及UML类图推理的研究现状,提出一种基于OWL本体的UML类图推理方案。研究UML类图向OWL本体转换的映射规则,给出UML类图包含关系、可满足性、等价关系和相离关系的判断方法及其推理规则。利用Jena推理机制实现了UML类图包含关系、可满足性、等价关系和相离关系的推理。

OWL本体关系数据库存储模式设计

本体合理有效的存储是保证本体共享利用的前提,现有的关系数据库本体存储模式在存储OWL本体后会出现查询推理效率低、维护困难等问题。文中在分析现有模式的基础上,针对OWL本体类和属性的特点,通过单独设立类关系表、添加关系约束表T-restrict等方法改进已有模式,使其能比较方便地实现OWL本体中类、属性及复杂关系的信息存储,学校本体的存储实例表明存储实现简单,查询实验表明查询检索效率有一定提高,从而说明本体存储模式的设计是可行的。

基于OWL本体扩展的视频语义内容分析

随着可获得视频数据的快速增长,迫切需要有效的方法在语义层理解和管理视频数据。对OWL语言进行扩展,提出了V-OWL本体描述框架,支持视频内容蕴含的时空关系和不确定性关系的建模,使用基于贝叶斯网络的B-图描述模型,将V-OWL本体概念、关系映射为B-图中的节点、边,利用贝叶斯网络训练推理算法实现视频高层语义的自动推理发现。实验结果显示,V-OWL本体描述框架对复杂视频内容具有很好的描述能力,基于V-OWL的视频内容分析框架对视频高层语义探测具有较高的查准率和查全率。

结构化范例库向OWL本体自动映射算法

在分析从关系数据库学习本体方法现状与不足,考虑到结构化范例库蕴含更丰富语义信息且拥有大量可复用的领域知识的基础上,提出一个低时间复杂度的结构化范例库向OWL本体自动映射的算法,并阐述该算法的流程。其优点在于不仅能获取范例库中蕴含的语义信息,而且将范例、规则知识项直接映射为对应的OWL个体,从而实现最大限度的知识复用。应用实例证实了该算法的有效性。

一种OWL本体进化方法

针对从关系数据库模式学习所得的OWL本体大都是轻量级的,其概念层次结构过于扁平,很难被直接用于实际的本体应用,提出一种新颖的OWL本体进化方法。其通过形式概念分析对已有轻量级OWL本体进行概念聚类,根据概念等同度、概念包含度计算,自动提出丰富、修改本体概念语义关系的建议,从而辅助设计者实现本体进化。该方法将FCA与相似度计算结合使用,既发挥FCA语义强度较高的特点,又发挥相似度计算执行效率高且容易实现的特点;同时,规避了相似度计算语义强度较低与FCA实现较为困难且执行效率较低的不足。一个实例结果的评估证实了该方法的有效性。

一种利用模糊关系数据库构建模糊OWL本体的方法

经典OWL本体不能直接表示和处理语义Web应用中广泛存在的模糊知识,鉴于模糊关系数据库在模糊数据表示与处理方面的优势,提出利用模糊关系数据库来构建模糊OWL本体.通过对RDF数据类型进行模糊扩展,并从模糊数据类型角度扩展OWL,解决了模糊OWL本体的表示问题;在此基础上,研究了以模糊关系数据库为数据源的模糊OWL本体的构建方法,该方法为语义Web中模糊本体的构建提供了一个有效的解决方案.

基于XMI的UML模型向OWL本体转换方案

OWL是W3C提出的语义网本体语言,作为语义网中信息共享和交换的基础,具备强大的知识表示和推理功能。文章对UML和OWL进行了分析比较,给出了UML类图相应的XML Schema和OWL本体表示形式,提出了一种UML模型向OWL本体转换方案,通过XMI交换标准将UML模型转换为OWL本体。

基于OWL本体的关系数据库语义映射方法的研究

网络环境下不同关系数据库之间普遍存在着语义冲突,为实现系统互访,需要进行语义映射.针对目前关系数据库语义映射方法的不足,提出基于OWL本体的关系数据库语义映射方法,定义了从关系数据库到OWL本体的映射规则,描述了本体环境下语义冲突的检测算法,并针对几种常见的语义冲突给出了相应的解决方法.将关系数据库转换成OWL本体后,增强了关系数据库之间语义互操作的能力,实现了语义层次上的信息共享和交换,可以较好地解决关系数据库的语义映射问题.

标注工具中OWL本体编辑功能的实现研究

基于本体的语义标注工具使用已有本体在Web页面中插入语义元数据信息,从而使Web页的内容机器可识别,是将现有Web提升为语义Web的有效方法之一.大多数标注工具仅支持使用已存在的本体词汇来标注Web页,不具备标注过程中新建本体或在已有本体中添加新词汇从而补充标注词汇的本体编辑功能.针对语义标注中的本体编辑功能的特点及存在问题进行研究,并从实现的角度对OWL本体编辑进行讨论.

基于半模型的OWL本体理由探求方法研究

OWL本体理由探求是语义Web推理的重要任务之一.随着语义Web数据的急剧增长以及本体规模的不断扩大,目前的本体理由探求策略已难以满足它们对推理性能的要求.该文以基于黑盒的探求技术为研究对象,黑盒法是基于"扩张"和"收缩"两个阶段实现理由探求任务的,"扩张"阶段的目标是获得蕴涵目标公理的理由的一个超集,"收缩"阶段对得到的理由超集进行删减至极小集合.然而,这两个阶段的主要时间开销在于频繁地调用推理机进行变化的公理集合与目标公理之间的蕴涵关系的检测,这会严重影响理由探求的效率.为了解决这一问题,通过观察理由探求过程中公理集合的变化情况,给出增量本体序列定义,并揭示了增量本体序列中的最大增量本体与理由之间的关系.增量本体序列的生成过程主要涉及两方面因素:(1)后继本体对先驱本体的有效扩充(必须保证是拟序关系);(2)对本体链中的本体是否蕴涵目标公理的推理判定(必须保证当且仅当最大本体蕴涵目标公理).在增量本体序列生成过程中,利用半模型证明了后继增量本体与目标公理之间的蕴涵关系是半可判定的,进而给出基于半模型增量推理的理由超集探求算法及其正确性证明.半模型增量推理的增量体现在:保留上一次得到的模型作为下一次判定的初始条件之一,从而避免传统蕴涵判定中,每一次都完全重构模型的冗余计算.最后,提出了一种与现有的收缩过程相反的理由求解方案——基于扩张的理由求解策略.通过迭代地添加公理过程,探测该公理集下的所有理由的公共元素.利用探测到的所有公共元素构造目标公理的理由.随后利用该文提出的增量推理任务分别给出新的"扩-缩"理由探求方法和"双扩"理由探求方法.实验结果表明,改进后的"扩-缩"理由探求方法在求解性能上优于原有的"扩-缩"理由探求方法;而新提出的基于增量推理的"双扩"理由探求方法在现有的求解策略中表现最优.

OWL本体存储工具模块设计与测试

本文对基于关系数据库的OWL本体存储工具模块设计,在设计的基础上对每个模块进行了实现,最后通过测试检验了该存储工具对OWL本体抽象语法的解析结果是否正确以及在数据库中表的存储是否一致。本设计基于Java平台,使用最初由OTI,IBM公司的IDE产品开发组创建的Eclipse集成开发环境。系统利用Eclipse自带的工具包及组件得以完成,其中用到的包有util包,用到的类为Iterator,Vector,String Tokenizer,Array List;sql包,用到的类有Driver Manager,Statement;io包,用到的类有Buffered Reader。界面绘制主要用到了AWT组件及Swing组件。

基于OWL本体和SWRL规则的导弹智能故障诊断研究

针对复杂航空装备诊断知识缺乏、诊断效率低和知识共享性差等问题,以某型红外弹为例,提出一种基于OWL本体和SWRL规则的导弹智能故障诊断方法;首先以导弹FMECA结果作为知识源,通过基于ATML语法的OWL逻辑描述语言建立导弹本体模型,完成故障模式和故障原因本体之间的映射;其次采用语义网络规则语言SWRL描述知识库规则,建立本体知识单元之间类、属性和实例的对应关系,最后通过Racer推理机对导弹知识库进行故障诊断推理,获取故障诊断优先级顺序;推理结果表明,该方法能够解决复杂航空装备专家诊断系统中的知识表示困难、缺乏自动语义推理、重用共享性差等问题,获得最优的故障诊断路径的同时减少了故障排查步骤,从而实现了故障原因的快速定位,提高了复杂航空装备专家诊断系统的诊断效率和可靠性。

基于关系数据库的OWL本体存储工具的设计

本文介绍了存储工具设计的过程,包括模块设计,数据库设计,包和类的概要设计以及系统的详细设计。其中模块设计将该软系统计分为三个模块,分别是数据模块、控制模块和视图模块。这三个模块符合了常用的MVC模式,即将数据层、控制器和用户界面分开设计。

OWL本体存储的分析与应用

知识本体是共享概念的明确形式规范说明,本体合理有效地存储是保证本体共享利用的前提,通过给出OWL本体和关系数据库模式的形式定义。在分析了OWL本体和关系数据库模式之间概念对应的基础上,通过对现有本体存储模式的分析,给出了一种本体存储模式的设计原则,应用动体的存储实例表明存储实现简单,查询实验表明查询检索效率有一定提高。

OWL本体到软件代码模型映射的研究

OWL本体在知识工程中有着广泛应用,人们考虑用它来解决软件开发中的问题。该文分析OWL本体和Java面向对象模型间的差别,指出直接映射存在的问题,阐述OWL本体映射到面向方面模型的特点,并提出OWL本体向AspectJ面向方面模型映射的具体方法,较好实现OWL本体向软件代码模型的映射。

非一致OWL本体的推理方法研究

针对目前OWL推理机无法在非一致本体上进行推理的问题,提出了一种基于回答集程序的非一致本体推理方式,将OWL本体翻译为一类逻辑程序:HEX回答集程序,把本体推理问题规约为回答集程序求解问题。并通过在非一致本体上的推理实验,验证了该类方法的有效性。