OWL DL本体中概念相似度算法研究

摘要

本体作为描述语义Web信息的一种模型，通过良好的概念层次结构、类、描述构造子、概念之间的属性关系和对逻辑推理的支持等来表达信息的语义。由于本体提供带有语义信息的一种表达形式，故语义Web世界中对信息的处理都是以对本体的操作为基础的，而对不同本体的操作又都是以本体的相似度和本体的部分相似度为基础，所以研究本体概念相似度对语义Web发展有重要意义。 通过对当前本体相似度计算研究成果的分析与总结发现，虽然T-HBACH算法利用OWL DL本体表达概念语义信息的构造子进行相似度计算得到令人满意的计算结果，但是T-H BACH算法在计算相似度过程中尚不完善，如构造子语义相关性权值的调整策略需要改变；忽略概念层次关系对相似度影响导致相似度计算语义丢失。针对这些问题，本文提出SOC-MATCH本体概念相似度计算方法。该方法在借鉴T-H BACH算法中构造子的描述逻辑表达能力作为概念相似度计算因素的基础上，改进了T-H BACH算法对构造子权重的调整策略，并综合考虑层次结构对概念相似度影响，从概念的语义距离、语义重合度和子孙层次这三方面考虑结构相似度计算。通过差别分辨度评价指标比较SOC-MATCH算法与T-H BACH算法，发现SOC-MATCH算法保留了T-H BACH算法特性，并提高了本体概念相似度计算精度，具有更强的区分同层次概念相似能力且差别分辨度更优；同时能够快速准确地计算出表达相同语义信息的同名概念相似度，并能更准确全面体现本体的语义信息，具有丰富的概念相似性表现力，且结果符合人的心理感受。 依据SOC-MATCH算法，本文设计实现一个综合的本体概念相似度计算原型系统，提供概念的语言相似度、结构相似度、改进T-H BACH相似度以及SOC-MATCH相似度的计算功能，为描述构造子相似度算法后续研究提供辅助作用，为本体映射、本体集成、语义检索等研究领域提供支持。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景及意义

1.2国内外现状

1.2.1本体研究现状

1.2.2概念相似度研究现状

1.3研究内容

1.4文章组织结构

第2章模型重构

2.1建模准备

2.1.1模型类别分析

2.1.2模型结构分析

2.1.3模型组成分析

2.1.4模型构建方法分析

2.1.5模型表示语言选取分析

2.2模型构建

2.2.1模型构造遵守规则

2.2.2模型构造步骤

2.2.3模型范围确定

2.2.4模型中概念与属性分析

2.2.5利用protégé工具构建模型

2.2.6模型整体结构

2.3本章小结

第3章T-H BACH算法研究

3.1相似度定义及性质

3.2相似度验证指标

3.2.1秩

3.2.2差别分辨度

3.3 T-H BACH算法分析

3.3.1理论研究

3.3.2相关定义

3.3.3T-H BACH算法研究

3.3.4构造子权重分配分析

3.3.5 T-H BACH算法对模型计算

3.4 T-H BACH算法总结

3.5本章小结

第4章概念相似度方法SOC-MATCH

4.1语言描述相似度

4.1.1基本理论

4.1.2算法提出

4.1.3相似度计算

4.1.4对比分析

4.1.5结果分析

4.2考虑子孙层次影响的概念结构相似度

4.2.1基本理论

4.2.2算法提出

4.2.3相似度计算

4.2.4对比分析

4.2.5结果分析

4.3改进权重分配策略的T-H BACH算法

4.3.1基本理论

4.3.2权重调整策略改进及对比分析

4.3.3相似度计算

4.3.4对比分析

4.3.5结果分析

4.4概念相似度-SOC-MATCH算法

4.4.1基本理论

4.4.2 SOC-MATCH算法

4.4.3不同权值相似度计算

4.4.4权值确定

4.4.5对比分析

4.4.6结果分析

4.5本章小结

第5章SOC-MATCH算法原型系统设计

5.1系统设计

5.1.1系统功能

5.1.2技术原理

5.2系统结构

5.3.相似度计算模块设计

5.3.1概念语言相似度模块设计

5.3.2概念结构相似度模块设计

5.3.3改进T-H BACH算法相似度模块设计

5.4系统开发相关技术-Jena简介

5.5系统实现界面

5.6本章小结

结论与展望

致谢

参考文献

攻读硕士期间发表的论文