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-Eelipse6.2.2 数据库-Mysql6.3 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
相关论文文献
标签:本体论文; 数据库论文; 抽取论文;