基于模糊概念格胶合的模糊本体合并研究

论文摘要

语义网是万维网的一个扩展,用机器可理解的方式来描述信息,为了解决当前万维网缺乏语义的问题。语义网中用本体来描述信息,表达概念以及概念之间的关系。由于现实世界的信息往往是不精确的,本文把模糊性和本体结合起来,以模糊本体为研究对象,将更准确的表示现实世界中的信息。在构建本体时,由于开发团队的不同、对领域知识的理解不同等原因会造成本体异构,为了解决本体异构、实现资源的共享和重用,需要进行本体集成,本体合并是本体集成的一种最有效的方式。然而本体在概念的外延和内涵方面揭示的还不够深,对概念的表达深度不够,形式概念分析可以更好地表达概念以及概念之间的关系,但是在编码以及推理等方面还很不足,因此把本体和形式概念分析结合起来可以更好的表达知识,提高语义表达能力。本文将模糊本体和模糊形式概念分析相结合,提出了一种基于模糊概念格胶合的模糊本体合并方法。首先将模糊本体对应转换成模糊概念格,然后在此概念格上进行胶合等操作,最终达到模糊本体合并目的。有时候构建的本体十分庞大,因此需要将本体模块化成一些高内聚低耦合的模块,以实现本体知识的活化,更好地实现共享和重用,本文提出了一种概念格分块方法,对应生成模块化的本体。对模块化后的概念格进行胶合,分别计算了概念节点的词义相似度、词结构相似度和格相似度,然后将其融合,使得合并的准确率更高。根据本体的结构特点,设计了一种基于MongoDB的模糊本体存储方法,MongoDB是一款基于文档的NoSQL数据库,没有模式的概念,可以很方便的存储对象结构的信息,可以很方便的将本体转换成文档结构的BSON结构存储到MongoDB中。最后设计和实现了模糊本体合并系统FOMS (Fuzzy Ontology Merging System),对OAEI2011提供的数据进行测试。通过实验可以看出,本文提出的模糊本体合并系统在保证较高准确率的前提下,还能够发现隐含的概念,对本体自学习和完善具有重要意义。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及课题意义
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 1.4 论文章节安排
• 第2章 模糊本体合并和模糊概念格胶合
• 2.1 模糊本体合并
• 2.1.1 本体
• 2.1.2 模糊集理论及模糊本体
• 2.1.3 模糊本体合并
• 2.2 模糊概念格胶合
• 2.2.1 形式概念分析
• 2.2.2 模糊形式概念分析
• 2.2.3 模糊概念格胶合
• 2.3 本章小结
• 第3章 基于模糊概念格胶合的模糊本体合并
• 3.1 模糊本体合并框架
• 3.2 模糊本体预处理
• 3.2.1 模糊本体预处理流程
• 3.2.2 模糊本体解析
• 3.2.3 不一致性处理
• 3.3 模糊形式背景转换
• 3.4 模糊概念格生成
• 3.4.1 模糊概念格生成算法
• 3.4.2 模糊概念格新节点命名
• 3.5 模糊概念格分块
• 3.5.1 模糊概念格分块及方法
• 3.5.2 模糊概念格分块算法
• 3.6 模糊概念格胶合
• 3.6.1 模糊概念格胶合流程及算法
• 3.6.2 相似度计算及融合
• 3.6.3 概念节点合并及冲突处理
• 3.7 模糊本体生成
• 3.8 模糊本体存储
• 3.8.1 模糊本体存储方法
• 3.8.2 基于MongoDB的模糊本体存储方法
• 3.9 本章小结
• 第4章 模糊本体合并系统的设计与实现
• 4.1 系统设计
• 4.1.1 系统总体设计
• 4.1.2 系统模块设计
• 4.1.3 系统数据逻辑结构设计
• 4.2 系统实现
• 4.2.1 系统开发平台
• 4.2.2 系统实现界面
• 4.3 实验结果与分析
• 4.3.1 实验数据
• 4.3.2 评估方法
• 4.3.3 结果分析
• 4.4 本章小结
• 第5章 总结与展望
• 5.1 论文总结
• 5.2 工作展望
• 参考文献
• 攻读学位期间公开发表论文
• 致谢