基于概念格的領域本體概念相似度提取方法研究.pdf

1、本體作為表達知識的共享概念模型，被廣泛應用在諸多領域。即使在同一領域內，領域本體間也不可避免地出現(xiàn)相同概念有著不同的定義、概念重疊等問題，造成本體異構，給領域本體間的交互帶來困難，制約了領域信息的共享和復用。
　　 因此研究解決領域本體間的異構，降低交互的難度成為亟待解決的問題。
　　 要解決上述問題，實現(xiàn)領域本體的知識共享，就必須建立起共有的橋梁。概念作為本體的重要元素，承載著巨大的信息量，是領域知識表示的核心，因此本

2、體概念間關系的建立是實現(xiàn)領域本體間知識的融聚與耦合，大規(guī)模協(xié)同領域本體的關鍵。
　　 本文針對農業(yè)領域本體概念相似度計算存在的問題，以茶學領域知識為研究對象，重點解決領域概念相似度提取模型中的三個關鍵問題——領域本體異構消解策略問題、形式背景規(guī)范化問題以及領域本體概念相似度提取問題，提出建立面向農業(yè)領域的概念相似度獲取方法，開發(fā)出原型系統(tǒng)并實驗驗證。
　　 本文的研究內容主要有以下幾個方面：
　　 ①提出了異構領

3、域本體間語言層的消解策略。研究本體的描述語言，統(tǒng)一規(guī)范化領域本體的表示方法，通過對本體的解析獲取本體概念和屬性，構建消解策略集，調整領域本體間語言層的異構特征。
　　 ②提出了領域形式背景的規(guī)范化方法。通過將本體的概念集和屬性集轉化為具有層次關系的對象屬性關系，獲取與該領域相關的領域形式背景，在此基礎上簡化多元關系，將其轉化為二元關系，同時進行并置轉化，形成合并后的形式背景集。
　　 ③給出了領域概念相似度計算模型與算法

4、。研究形式背景中的缺值關系，對其進行滿值化操作，獲取該背景知識的完整信息，采用基于概念秩優(yōu)先的屬性權重提取算法，獲取具有不同層次的概念集合，最后提出優(yōu)化的概念相似度計算模型，獲得相似度關系矩陣。
　　 ④基于以上理論與方法，在Visual C++6.0 編程環(huán)境下，研制開發(fā)了領域概念相似度提取原型系統(tǒng)，并應用于茶學領域。實驗驗證表明，文中所提出的方法能有效減少不相關概念對的產生，提高相似度的計算精度，從而證明了其正確性和有效性。