面向数据库的本体抽取与支持工具的研究

论文摘要

本体作为一种能在语义和知识层次上描述概念的建模工具，可有效地解决知识工程中知识共享和重用两大重点问题。近几年本体已经成为人工智能领域的研究热点，主要研究本体表示、本体构建、本体集成、本体应用等。 为了重用和共享已有知识系统中的知识，首先需要获取针对已有知识系统的本体。目前本体大都由领域专家手工编辑生成，存在工程复杂、过分依赖专家、构建速度慢等缺点。为了克服以上缺点，本文在构建本体时利用了已有知识系统中的关系数据库资源，对基于关系数据库的本体抽取方法进行研究。 本文首先提出基于关系数据库的本体抽取方案，包括关系数据库资源提取、本体概念生成、概念之间关系标注和与已有本体进行集成四个过程。其中主要对概念生成过程进行研究，提出先从数据库资源生成阶段实体，再将阶段实体映射成本体概念的新构想。其中对阶段实体进行了形式化定义与描述，并对阶段实体生成方法及概念生成方法进行研究与讨论。 本文还对本体集成方法进行一定研究。本体集成过程为先利用聚类算法来找出相似概念，再利用启发式规则进行相似概念合并处理。这部分内容虽然没有进一步在应用中实现，但是对后续工作的改进奠定了基础。 最后，针对以上研究，开发出基于关系数据库资源的本体抽取系统，并且详细地介绍了系统的各个功能及实现流程。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 选题的背景和依据
• 1.2 课题研究的目的及意义
• 1.3 国内外研究进展
• 1.4 文章的结构
• 第2章 本体的理论和应用现状
• 2.1 本体在不同领域的定义
• 2.1.1 哲学上的本体
• 2.1.2 人工智能领域的本体
• 2.1.3 计算机领域当前对本体的研究
• 2.2 本体的构成
• 2.3 本体描述语言
• 2.4 本体编辑工具
• 2.5 本体构建方法
• 2.5.1 Uschold和King的"骨架"法
• 2.5.2 Gruninger和Fox的企业建模法
• 2.5.3 METHONTOLOGY方法
• 2.5.4 KACTUS方法
• 2.5.5 SENSUS-based方法
• 2.5.6 TANGO方法
• 2.6 本体构建的准则
• 2.7 本章小结
• 第3章 有关本体学习的研究
• 3.1 面向不同数据源的本体学习
• 3.1.1 结构化数据的本体学习
• 3.1.2 非结构化数据的本体学习
• 3.1.3 半结构化数据的本体学习
• 3.2 本体学习工具
• 3.3 存在的问题与未来的研究方向
• 3.4 本章小结
• 第4章 基于关系数据库的本体抽取方法
• 4.1 什么是本体抽取
• 4.2 本体抽取方法描述
• 4.2.1 与基于WEB表格本体构建方法的区别
• 4.2.2 阶段实体的概念
• 4.2.3 抽取方法介绍
• 4.3 阶段实体生成方法
• 4.3.1 阶段实体数据结构
• 4.3.2 阶段实体生成过程
• 4.3.2.1 阶段实体生成的启发式规则
• 4.3.2.2 阶段实体生成过程
• 4.3.2.3 阶段实体属性生成过程
• 4.3.2.4 相关实体生成过程
• 4.4 本体生成方法
• 4.4.1 本体数据结构
• 4.4.2 本体生成过程
• 4.4.2.1 概念的生成过程
• 4.4.2.2 概念关系的标注
• 4.4.3 本体存储格式
• 4.5 本体生成实例
• 4.6 本章小结
• 第5章 基于概念相似度的本体集成研究
• 5.1 基于概念相似度的本体集成方法介绍
• 5.2 概念相似度计算
• 5.2.1 概念相似度构成
• 5.2.2 WordNet简介
• 5.2.3 关于语义相似度计算
• 5.2.3.1 传统语义相似度算法
• 5.2.3.2 改进后语义相似度算法
• 5.3 本章小结
• 第6章 基于关系数据库本体抽取系统的实现
• 6.1 系统描述
• 6.1.1 系统总体介绍
• 6.1.2 阶段实体处理模块
• 6.1.3 本体处理模块
• 6.1.4 其他功能模块
• 6.2 系统实现所用技术
• 6.2.1 开发工具-Eelipse
• 6.2.2 数据库-Mysql
• 6.3 本章小结
• 第7章 领域数据测试
• 7.1 医学循证EBM项目介绍
• 7.1.1 EBM项目相关背景
• 7.1.2 EBM数据分类
• 7.2 手工创建EBM本体
• 7.2.1 Protege手工创建本体
• 7.2.2 工具抽取结果
• 7.3 测试对比结果
• 7.4 本章小结
• 第8章 全文总结
• 参考文献
• 攻读学位期间公开发表的论文
• 致谢
• 研究生履历表