基于本体和SWRL推理的知识检索方法研究

论文摘要

信息时代的到来以及互联网的迅速普及和应用使得互联网上保存了浩如烟海的数据信息。当前主流的信息检索技术主要还是基于关键字进行搜索,具体的实现方法还是侧重于对数学算法的研究,而相对忽略了对语义检索和语义推理的重视。而互联网上广泛存在的信息格式的异构性、信息语义的多重性以及信息关系的匮乏和不统一,给人们在信息搜索、抽取、表示、解释和维护方面造成极大的不便。为了解决该问题,人们提出了知识检索这一新型的智能信息检索方法。知识检索在对蕴含在信息记录中的知识和知识关联进行分析的基础上,运用知识处理和知识组织等技术,实现基于语义理解的智能化查询。知识检索强调的是基于知识的、语义上的匹配。语义检索是实现知识检索的关键之一,而语义检索离不开语义相似度的计算。语义推理是实现知识检索的另一个关键。语义推理在知识检索中的作用包括两个方面,即应用推理进行逻辑检测以保证本体库结构的逻辑一致性和知识描述的正确性,和应用推理发现隐含的语义关联以使本体的语义关系更加完整。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究背景
• 1.3 相关研究综述
• 1.3.1 知识检索研究综述
• 1.3.2 本体语义检索研究综述
• 1.4 主要研究内容
• 第二章 本体和知识表示
• 2.1 本体概述
• 2.1.1 本体的定义
• 2.1.2 本体的应用
• 2.2 知识和知识的表示
• 2.2.1 知识的定义
• 2.2.2 知识的表示
• 2.3 基于本体的知识表示
• 2.3.1 本体的知识表示元素
• 2.3.2 基于本体的知识表示的目的和作用
• 2.3.3 本体描述语言
• 2.4 基于本体的知识库
• 2.5 基于DL 的知识表示
• 2.6 家庭本体的构建
• 2.6.1 本体构建规则和方法论
• 2.6.2 家庭本体的构建工具
• 2.6.3 家庭本体模型的建立
• 2.7 本章小结
• 第三章 知识检索中的语义相似度计算
• 3.1 语义相似度概述
• 3.1.1 语义相似度计算的原则
• 3.1.2 语义相似度计算的常用方法
• 3.2 知识检索中的语义相似度计算
• 3.3 本文的语义相似度计算模型
• 3.3.1 在一般模型中添加实例
• 3.3.2 在一般模型中添加实例间的关系
• 3.4 本文的语义相似度计算方法
• 3.5 本章小结
• 第四章 知识检索技术
• 4.1 查询式优化
• 4.2 相关反馈技术
• 4.3 本体映射和集成技术
• 4.3.1 本体映射
• 4.3.2 本体集成
• 4.4 知识检索中的推理
• 4.4.1 推理概述
• 4.4.2 应用推理进行逻辑检测
• 4.4.3 应用推理发现语义关联
• 4.5 家庭本体的推理规则
• 4.5.1 家庭本体中的一般性规则
• 4.5.2 家庭本体中的领域规则
• 4.5.3 家庭本体中规则的表示
• 4.6 本章小结
• 第五章 基于本体和SWRL 推理的知识检索方法
• 5.1 基于本体和SWRL 推理的知识检索方法框架
• 5.2 本体模型的建立
• 5.3 SWRL 规则
• 5.4 规则库和事实库的转换
• 5.5 语义推理
• 5.6 查询式优化和扩展
• 5.7 语义检索
• 5.8 本章小结
• 第六章 方法的验证
• 6.1 构建家庭本体知识库
• 6.1.1 构建TBox
• 6.1.2 构建ABox
• 6.2 语义推理及其结果
• 6.2.1 本体集成
• 6.2.2 语义推理
• 6.2.3 新本体的一致性检测
• 6.2.4 推理结果
• 6.4 本章小结
• 第七章 结论
• 致谢
• 参考文献
• 附录