档案学领域本体的构建初探北大核心CSSCI

本体提供了一个知识复用与共享的模型。领域本体为不同专题库、知识库与应用系统之间的知识共享与数据互操作提供标准接口。根据领域本体构建的原则、方法,文中讨论了档案学领域本体的设计问题,重点介绍了档案学领域本体中类概念层次结构、类间关系、类属性、实例的设计过程与细节。文章最后简要说明了该本体的应用、测评、进化情况。     

基于SNOMED CT和FCA的医学领域本体构建研究

通过对本体、形式概念分析理论研究状况进行分析,针对医学领域的专业性特点,利用形式概念分析构建形式概念背景,抽取概念,形成概念格;通过医学系统命名法-临床术语(SNOMED CT)的概念表、描述表和关系表对概念格进行修正,结合SNOMED CT和概念格构建医学领域本体--甲状腺疾病本体,并应用GATE利用所构建的甲状腺疾病本体对某三甲医院的电子病历进行语义标引,以验证本体的可用性.在此实验过程中同时根据所构建概念格提出对SNOMED CT表的修正建议.     

基于统计自然语言处理技术的领域本体半自动构建研究

本体的构建是影响语义Web成功与否的重要因素之一.本文借鉴机器学习以及自然语言处理等技术成果尝试半自动构建本体,以专业研究论文为研究语料,采用N-Gram文本表达法从语料中抽取关键概念,计算主题度获取领域概念.利用改进的层次聚类算法对领域概念进行聚类以获取其等级体系,采用句法分析与统计相结合的方法从语料中获取可能的主、谓、宾模式为领域关系提供参考,并以农业史为例,设计开发了一个领域本体半自动构建实验系统,文中重点介绍了本体构建中概念的获取、等级关系、领域关系的构建以及形式化处理等关键技术的实现过程.     

航空领域本体构建研究

本文对领域本体构建方法选择原则进行了研究,在提出领域本体构建方法设计与选择原则的基础上,根据航空本体的特点,提出了基于<中国航空百科词典>的航空领域本体构建方法.该方法通过尽可能复用现有术语,重视框架设计与概念间关系规划环节,将概念间关系确定尽可能通过计算机自动完成,人工工作量少,领域专家参与少.通过本方法试验,初步构建出了航空领域本体,在较短的时间内构建出了航空本体.论文针对进化在本体构建中的重要性,在构建方法中重点论述了航空领域本体进化方法,按流程对本体进化中的新词获取、概念及关系确定、版本标识、进化周期等工作环节进行了系统研究.     

基于OWL的领域本体的综合构建与进化

本文探索了基于OWL(Web Ontology Language,Web本体语言)的航空产品领域本体的初构、融合、映射与进化的综合方案,该方案以"航空产品的网上发现与跟踪系统"需求为目的,从实际应用角度设计与构建系统所需的领域知识本体.在本体构建过程中,融合了国外已开发的基于Loom的"军用飞行器本体"的方案;选择使用NASA叙词表,将广泛的航空产品类概念进行了本体映射;利用本体编辑工具Protégé对航空产品领域本体原型进行了可视化开发;从Web文档中自动抽取航空产品实例概念对已构建的本体进行进化,从而保证了该领域本体的完善和动态更新.     

基于领域本体的语义知识检索研究

针对传统知识检索效率低、精度不高等问题,引入本体技术,构建基于领域本体的语义知识检索系统架构,提出综合语义相似度的知识检索算法。算法综合考虑概念间的关系类型、概念所处的层次深度、概念密度、概念间连接的强度以及概念的属性等因素计算语义相似度,避免传统检索中存在的检索精度不高等问题。该模型为构建语义知识检索系统以及解决系统构建中的关键问题提供了理论指导。     

数字图书馆领域本体的构建与推理——以医学领域本体为例

以医学领域的预防医学为例，研究语义网格环境下数字图书馆领域本体的构建与应用；以医用叙词表MeSH为例，探讨以医用叙词表为基础构建医学领域本体的必要性，阐述预防医学本体构建的流程，包括本体构建工具、本体构建方法，尝试进行医用叙词表到领域本体的转换研究，并利用Racer推理机对此领域本体进行初步的推理应用研究。     

跨领域本体标准连续体概念体系研究

[目的/意义]在对国际标准中相关本体概念及概念关系的研究过程中发现,虽然关于本体有多个定义,但是这些定义的应用场景限于单一领域,其核心的概念特征及概念关系类型尚待研究。引入连续体思想,为当前国际标准中跨领域本体概念体系构建、标准体系构建及跨领域本体概念共识构建提供了新视角和方法论。[方法/过程]采用案例分析法、问卷调查法和德尔菲法,首先将跨领域智慧城市标准建设作为案例并进行缺口分析,验证和发现当前本体相关标准,然后设计一份问卷,通过电子邮件方式,发送相关智慧城市领域专家。期间,共有15位专家反馈意见。之后,通过对反馈结果进行映射分析和偏好分析,形成专家对跨领域本体概念体系和标准体系建设路径的共识。[结果/结论]提出的跨领域本体构建的连续体概念体系,对关联非正式到正式本体构建过程,构建人机协同本体概念体系具有理论意义,对发现智慧城市领域概念体系标准建设缺口具有实践指导意义,对促进多样化本体标准间互联互通协同,支持跨领域合作、精准决策和智慧行动具有潜在价值。     

学科领域本体的构建与进化*-以经济学领域本体为例

概述国内外领域本体构建方法及本体进化的研究现状；介绍以《中国分类主题词表》为基础构建“经济学领域本体”初始版本的基本过程，阐述经济学领域本体进化的基本设想，以及具体进化过程及方法，包括获取进化实验数据集，抽取候选关键词，获得本体新概念，建立概念关联等。     

基于主题词表的数字出版领域本体构建

领域本体在知识管理和语义网中起到越来越重要的作用,本文按照从提取主题词、概念的筛选与取舍、概念名称的规范化处理、概念分类体系的调整与概念归类、主题词表的编制与修订、确定概念间的语义关系、领域本体的形式化建模等程序构建了数字出版领域本体,并利用保护软件(Protégé)完成该本体的形式化和可视化显示.建成后的本体具备文本自动标引、文献信息语义检索与可视化检索、术语服务等功能.     

基于概念格的异构资源领域本体构建研究

在对本体构建研究路径进行分析的基础上,阐述以概念格构建异构资源领域本体的内在机理和技术路线。通过概念格的并叠置运算,获得基于主题词表和文本两大异构资源的概念格。进而以异构资源概念格构建异构资源领域本体,并对异构资源领域本体的构建进行讨论。为数字图书馆构建异构资源领域本体做出探索。     

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在图书情报管理中的应用前景。     

利用词语共现进行Ontology的概念获取

作为大规模的语义知识资源库，Ontology在信息处理中具有重要的作用。但是，如何有效地构建Ontology却是一个重要的问题。对于自动构建Ontology的过程来说，首要的问题就是如何获取领域概念。本文尝试了一种利用词语共现获取领域概念的方法，用于支持领域Ontology的构建。该方法首先通过人工领域分析，获得起始领域概念，然后利用起始概念从语料库中抽取共现的概念，从而获取相关的概念知识。同时，本文以1998年1月份的人民日报语料库为语料，针对外交和体育两个领域，尝试从中提取相关的概念，从而检验利用词语共现获取领域概念的实际效果。     

基于FCA和关联规则的情报学本体构建

提出一种新的领域本体学习方法,结合形式概念分析(FCA)与关联规则挖掘从非结构化文本中获取情报学本体。该方法从文本集中通过种子-扩展机制的方法获取领域核心概念,构建文档概念格(文档×关键词矩阵),在此基础上通过形式概念分析方法来识别概念之间的等级关系,通过关联规则挖掘概念间的相关关系。最后,采用基于"黄金标准"的方法对本体学习的结果进行评价,结果表明:通过这种方法构建的本体可以达到较高的领域知识覆盖率,而且能够识别概念之间部分隐含的关系,从而验证该方法在领域本体的构建中实用且有效。     

语义Web与Ontology研究

本文介绍了语义Web和Ontology的概念特征，探讨了语义Web与Ontology的关系，结合信息检索研究了Ontology在语义Web中的应用，并对实现中需解决的问题进行了说明。     

本体匹配基本理论框架研究

阐述各种类型的本体异质问题，明确本体匹配的概念及与本体映射的关系。在总结本体匹配主要理论的基础上，初步确立本体匹配基本理论框架，包括匹配粒度、匹配参数、匹配操作、匹配策略及匹配过程等内容，较为全面地阐述本体匹配的基本理论体系。     

基于本体构建的协同推荐研究

通过构建领域本体,利用用户兴趣与领域本体中概念的映射关系,构建用户兴趣本体,发掘用户兴趣模式。研究用户兴趣本体相似度的计算方法,并通过用户兴趣相似度进行垂直加权,通过时间新颖度进行水平加权,从而利用改进的加权关联规则挖掘算法对用户感兴趣的领域本体中的概念进行挖掘,实现面向内容的协同推荐。     

中医药本体概念描述体系的自动构建研究

对中医药本体概念描述体系自动构建所需要的数据基础进行深入研究,在全面阐述数据加工方法及技术的基础上,利用自然语言处理(NLP)理论与方法对中医药领域中已有的公认领域知识进行重构与利用。成功实现中医药学知识描述体系的自动构建与获取,从而为中医药知识的挖掘与发现、利用奠定数据基础,并对领域本体的构建与进化进行有益的探索,为专业领域本体的自动构建提供理论依据及技术支持。     

领域本体学习方法和技术研究综述

分析本体学习的内容,对本体学习的发展进行评述;对领域本体学习过程中的几个关键任务——领域概念抽取、概念关系的识别进行深入的分析;总结领域本体学习的发展趋势。