屬性探索算法改進及本體構(gòu)建研究.pdf

1、隨著語義Web的迅速應(yīng)用與發(fā)展,我們需要對海量數(shù)據(jù)信息進行搜索,而本體是共享概念模型的明確的形式化規(guī)范說明,是語義Web應(yīng)用的基礎(chǔ),其構(gòu)建的質(zhì)量直接影響著搜索的查全率和查準率。目前的本體構(gòu)建大都停留在手工和半自動構(gòu)建階段,在構(gòu)建時由于構(gòu)建者、生活環(huán)境等方面的差異,往往會出現(xiàn)對同一本體進行構(gòu)建,不同的人會得到不同的結(jié)果。因此,本體的構(gòu)建方法一直是語義Web研究專家和學(xué)者的研究熱點和難點。面對龐大的數(shù)據(jù)信息,我們需要一種有效的方法來對信息進

2、行提取、組織和表示,通過計算,為本體提供構(gòu)建的參考模型和層次關(guān)系。形式概念分析中的形式背景及概念格是一種較好的知識表示方法；而屬性探索算法以形式背景為基礎(chǔ),通過詢問專家一系列蘊涵問題來獲得形式背景所包含的最大化的知識,為解決本體構(gòu)建的本體存在差異和本體完備性問題提供有效的方法。屬性探索算法不僅能在確定的形式背景中,更重要的是在不確定的形式背景中找到內(nèi)涵、偽內(nèi)涵和Duquenne-Guigues基,將領(lǐng)域知識中的隱含知識推導(dǎo)出來,找出各個

3、屬性之間的關(guān)系,以及屬性和個體之間的對應(yīng)關(guān)系,有效地解決了在本體構(gòu)建時不確定性情況的問題,靈活地擴充形式背景向完備的方向改進。因此,對屬性探索算法的研究及改進,將其結(jié)論應(yīng)用于本體構(gòu)建,研究新的本體構(gòu)建方法具有較高的理論價值和實際應(yīng)用價值。本論文的創(chuàng)新之處在于在國內(nèi)開創(chuàng)性的研究屬性探索算法的理論研究,發(fā)現(xiàn)其中的冗余計算情況,提出了兩種改進算法,在此基礎(chǔ)上對三種算法進行比較,將結(jié)論用于構(gòu)建概念格,并與本體構(gòu)建結(jié)合,提出了基于描述邏輯的屬性探

4、索算法的本體構(gòu)建方法(AEOCM)。本論文的主要研究內(nèi)容包括：一、詳細介紹了描述邏輯、形式概念分析、本體等方面的基礎(chǔ)理論知識,在國內(nèi)開創(chuàng)性的對內(nèi)涵、偽內(nèi)涵、Duquenne-Guigues基進行研究,進而深入研究了Franz Baader等人提出的屬性探索算法中的各個技術(shù)細節(jié)的設(shè)置和整個運算過程,發(fā)現(xiàn)了在其運算下一個Bi+1過程中的冗余計算情況,并說明產(chǎn)生冗余的可能性,為本體構(gòu)建提供理論基礎(chǔ)。二、提出了兩種改進的屬性探索算法。改進的屬性

5、探索算法(Ⅰ),根據(jù)蘊涵集合的性質(zhì)和特點,通過找到字典序下一個屬性集合Bi+1,從相關(guān)性的角度判斷其為內(nèi)涵或者偽內(nèi)涵,避免了冗余計算的情形,證明了其完備性；改進的屬性探索算法(Ⅱ) ,對屬性集合的基數(shù)比較小的情況下,列出屬性集合的所有子集合,然后以集合基數(shù)相同的集合為一批,分批進行相關(guān)性的檢測。通過對原屬性探索算法及改進算法(Ⅰ)、(Ⅱ)進行了詳細的對比分析,說明了各自的優(yōu)缺點和相應(yīng)的適用范圍,改進的算法不僅簡化了判斷條件和步驟,更進一

6、步地提高了算法的效率。三、將屬性探索算法作為紐帶,聯(lián)系本體構(gòu)建與形式背景,提出了基于描述邏輯的屬性探索算法的本體構(gòu)建方法(AEOCM)：通過從數(shù)據(jù)源提取形式背景,經(jīng)過屬性探索,生成概念格,根據(jù)對比分析本體與概念格之間的差異所得到的轉(zhuǎn)化規(guī)則,將其轉(zhuǎn)化為本體,進一步手工添加和修改完善后,完成本體構(gòu)建工作。因此,我們可以利用上述方法構(gòu)建和完善描述邏輯知識庫。四、利用AEOCM,構(gòu)建了兩個正方形位置關(guān)系的本體。以實例化的方式,詳細的介紹了每個環(huán)