Ontology Mapping Based on Bayesian Network

Ontology mapping is a key interoperability enabler for the semantic web. In this paper,a new ontology mapping approach called ontology mapping based on Bayesian network( OM-BN) is proposed. OM-BN combines the models of ontology and Bayesian Network,and applies the method of Multi-strategy to computing similarity. In OM-BN,the characteristics of ontology,such as tree structure and semantic inclusion relations among concepts,are used during the process of translation from ontology to ontology Bayesian network( OBN). Then the method of Multi-strategy is used to create similarity table( ST) for each concept-node in OBN. Finally,the iterative process of mapping reasoning is used to deduce new mappings from STs,repeatedly.

基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。

基于钻井工艺过程的事故诊断智能分析模型研究

由于钻井工程的复杂性和不确定性,简单依靠传统数学建模的方法很难完全描述和表征钻井过程.引入本体和贝叶斯网络等人工智能技术,探究了钻井事故诊断的理论和方法,解决和描述了钻井领域的非结构化问题,进而更好地指导实践.

基于本体贝叶斯网络模型的本体映射方法研究

不同本体之间的异构问题严重地影响了本体之间的知识共享和重用。针对本体之间异构性的问题,本文提出一种基于本体贝叶斯网络模型(OBN)的本体映射方法(OM-OBN:Ontology Mappingbased on OBN)。在映射的过程中,方法OM-OBN首先将待映射的本体模型转换成OBN模型,并为OBN模型的每个节点建立一个相似度表,然后根据相似度表中的数据建立本体之间的映射关系,然后再利用已有的映射关系去更新相似度表,最后采用迭代映射策略,反复地执行建立映射和更新相似度表的过程,直到OM-OBN无法建立新的映射关系为止。实验结果表明:方法OM-OBN可以实现本体模型到OBN模型的转换,并有效地利用转换后的模型来建立本体之间的映射关系。因此,方法OM-OBN可以解决异构本体之间知识共享和重用等问题。

管制移交人误本体建模及BN诊断研究

为管控人为差错导致的空中交通管制（ATM）移交风险,提高空管运行安全,基于空管人误分类模型（HERA-JANUS）构建领域本体模型,并借助BNTab插件和Netica J接口将领域本体转化为贝叶斯网络（BN）模型,通过软件Netica对管制移交人误进行可视化诊断;利用Netica训练美国航空安全报告系统（ASRS）中的统计数据,修正先验概率,以实际案例验证模型的有效性,并得出关键差错行为。结果表明：BN诊断可实现管制移交人误关键因素的识别,信息发送不正确、管制员误判、较晚和（或）没有发现目标等3种内部差错行为显著影响信息传输、行为选择和行为时间。

基于贝叶斯-高斯模型的多本体映射算法

语义网中,本体映射是解决本体异构的关键.在面对多本体模型同时映射的情况时,提出一种新的基于贝叶斯-高斯模型的本体映射算法IOBGM(Improved ontology Bayesian-Gaussian model).该方法首先将本体模型转换成贝叶斯网络模型,接下来结合传统基于贝叶斯网络模型的本体映射方法,采用混合高斯模型对混合节点群进行聚类判定.最后运用了迭代映射模式,在获得初步映射节点对相似度的情况下通过迭代模块来对其他隐性相似节点进行二次相似度判定,从而减少结果误差.实验结果表明,IOBGM系统在本体查全率方面有较为突出的表现,在多本体映射的情况下具有一定的应用优势,其稳定性和效率能够满足实用需求.

支持语义和概率推理的用户模型设计方法

针对目前用户模型研究现状,研究了一种支持语义和概率推理的用户模型构建方法。该方法实现了基于本体和贝叶斯网络的用户模型构建。采用该方法建立的领域用户模型能够支持基于语义和概率推理的信息检索。