【摘要】： 本體在軟件工程、人工智能、信息檢索、Web服務(wù)發(fā)現(xiàn)等領(lǐng)域中扮演著越來(lái)越重要的角色。依照領(lǐng)域依賴程度,可以將本體分為通用本體(Top Ontology)、領(lǐng)域本體(Domain Ontology)、任務(wù)本體(Task Ontology)和應(yīng)用本體(ApplicationOntology)。領(lǐng)域本體可以有效地組織領(lǐng)域中的知識(shí),使知識(shí)更好地共享、重用。有一些領(lǐng)域,如農(nóng)業(yè)領(lǐng)域、鐵路領(lǐng)域、高速鐵路領(lǐng)域、航空領(lǐng)域等,這些領(lǐng)域都由不同的專業(yè)領(lǐng)域構(gòu)成,如高速鐵路領(lǐng)域由工務(wù)工程、牽引供電、動(dòng)車組、運(yùn)營(yíng)管理等專業(yè)領(lǐng)域構(gòu)成。本文面向由多專業(yè)構(gòu)成的領(lǐng)域,以鐵道部科技研究開發(fā)計(jì)劃重大課題(Z2006-094)和教育部科技基礎(chǔ)資源數(shù)據(jù)平臺(tái)項(xiàng)目(507002)為支撐,以高速鐵路領(lǐng)域?yàn)閷?shí)證背景,研究多專業(yè)領(lǐng)域本體構(gòu)建方法論和基于多專業(yè)領(lǐng)域本體的應(yīng)用——語(yǔ)義檢索和推理,主要做了以下幾個(gè)方面的工作: (1)提出了一種多專業(yè)領(lǐng)域本體構(gòu)建方法 本文面向由多專業(yè)構(gòu)成的領(lǐng)域,在對(duì)已有本體構(gòu)建方法和由多專業(yè)構(gòu)成的領(lǐng)域知識(shí)特點(diǎn)深入研究的基礎(chǔ)上,探討了多專業(yè)領(lǐng)域本體構(gòu)建思路,提出了一種建立在“范疇表和主題詞表”基礎(chǔ)上的多專業(yè)領(lǐng)域本體構(gòu)建方法MMDOB(MultipleMaiors Domain Ontology Building)。此方法先基于敘詞表或范疇與主題詞表構(gòu)建各專業(yè)領(lǐng)域本體,然后集成為統(tǒng)一的多專業(yè)領(lǐng)域本體。在由各專業(yè)領(lǐng)域本體集成為多專業(yè)領(lǐng)域本體時(shí),根據(jù)由多專業(yè)構(gòu)成的領(lǐng)域的實(shí)際情況,提出一種多專業(yè)領(lǐng)域本體集成方法MMDOI(Multiple Majors Domain Ontology Integration)和一個(gè)三層的多專業(yè)領(lǐng)域本體集成框架。 (2)給出了多專業(yè)領(lǐng)域本體模型和概念語(yǔ)義相似度計(jì)算方法 針對(duì)集成后的統(tǒng)一的多專業(yè)領(lǐng)域本體,在對(duì)現(xiàn)有的本體模型和多專業(yè)領(lǐng)域本體深入研究的基礎(chǔ)上,提出了多專業(yè)領(lǐng)域本體模型的八元組表示方法和概念的九元組表示方法及其形式化描述方式。 概念語(yǔ)義相似度計(jì)算是語(yǔ)義擴(kuò)展檢索中用戶查詢?cè)~擴(kuò)展必不可少的一種方法,基于本文給出的多專業(yè)領(lǐng)域本體概念模型,構(gòu)建了計(jì)算多專業(yè)領(lǐng)域本體概念之間語(yǔ)義相似度的MD4(Fourfold Matching-Distance Model)模型,并給出了該模型的詳細(xì)算法。 (3)給出了五種語(yǔ)義擴(kuò)展檢索模式 擴(kuò)展檢索是通過(guò)查找檢索條件中的相關(guān)概念,從而得到相關(guān)知識(shí)項(xiàng)。本文針對(duì)多專業(yè)領(lǐng)域本體的特點(diǎn)和其檢索對(duì)象對(duì)用戶查詢語(yǔ)義擴(kuò)展模式進(jìn)行了分析,給出了五種語(yǔ)義擴(kuò)展檢索模式。以O(shè)WL為推理基礎(chǔ),對(duì)領(lǐng)域本體語(yǔ)義關(guān)系和推理規(guī)則進(jìn)行了闡述。 (4)給出了在本文方法指導(dǎo)下的多專業(yè)領(lǐng)域——高速鐵路領(lǐng)域的實(shí)證分析 在本文提出的多專業(yè)領(lǐng)域本體構(gòu)建方法MMDOB的指導(dǎo)下,構(gòu)建了高速鐵路領(lǐng)域各專業(yè)本體,并將其集成為統(tǒng)一的多專業(yè)領(lǐng)域本體;在此基礎(chǔ)上,本文設(shè)計(jì)和開發(fā)了一個(gè)面向高速鐵路知識(shí)的語(yǔ)義檢索和推理系統(tǒng)HSRK-SRRS(High-speedRailway Knowledge-Semantic Retrieval and Reasoning System),對(duì)本文提出的基于“范疇表和主題詞表”的多專業(yè)領(lǐng)域本體構(gòu)建方法、語(yǔ)義擴(kuò)展檢索方法和語(yǔ)義關(guān)系推理進(jìn)行了實(shí)驗(yàn)驗(yàn)證。 本文提出的多專業(yè)領(lǐng)域本體構(gòu)建方法有一定的現(xiàn)實(shí)意義,對(duì)多專業(yè)領(lǐng)域本體構(gòu)建、概念之間語(yǔ)義關(guān)系分析和多專業(yè)領(lǐng)域本體集成有一定的借鑒作用;同時(shí),基于多專業(yè)領(lǐng)域本體模型構(gòu)建的計(jì)算領(lǐng)域本體概念之間語(yǔ)義相似度的MD4模型,為由多專業(yè)構(gòu)成的領(lǐng)域本體概念之間的語(yǔ)義關(guān)系提供了一種有效的量化方法;本文將多專業(yè)領(lǐng)域研究成果應(yīng)用于高速鐵路領(lǐng)域,為由多專業(yè)構(gòu)成的領(lǐng)域本體的構(gòu)建及其語(yǔ)義檢索與推理的實(shí)現(xiàn)提供了一個(gè)實(shí)證參考。
【圖文】：

理效率的折衷，我們一般選擇 OWLDL或者 OWLLite作為構(gòu)建本體時(shí)所使用的本體語(yǔ)言，在本文中我們選擇 OWLLite作為多專業(yè)領(lǐng)域本體的描述語(yǔ)言。圖1一1刻畫了上述面向語(yǔ)義叭觸b的本體語(yǔ)言之間的關(guān)系。圖1一1面向語(yǔ)義W七b的本體語(yǔ)言之間的關(guān)系Figurel一 1RelationshiPbetweenOntologyLanguagesforSemantie從/eb(2)本體推理Bemers一Lee給出了基于XML[6’]和RDF/RDFs[65]語(yǔ)義網(wǎng)的層次關(guān)系，，并在此基礎(chǔ)上構(gòu)建了本體和邏輯推理規(guī)則，使計(jì)算機(jī)能夠理解和處理基于語(yǔ)義的知識(shí)表示和推理。RDF[65]與owL[66】語(yǔ)言是謂詞邏輯的特例。RDF與owL提供了一個(gè)非常適合

圖4一語(yǔ)義標(biāo)引模型Figure4一 2SemantieIndexingModel結(jié)合以上分析，本文建立基于本體的語(yǔ)義標(biāo)引模型，如圖4一2所示。模型中既給出了語(yǔ)義標(biāo)引的流程，也指明了關(guān)鍵的處理過(guò)程。圖4一2中以初始文檔集為起點(diǎn)，以語(yǔ)義向量的存儲(chǔ)為終點(diǎn)。模型涉及4個(gè)相對(duì)獨(dú)立的處理過(guò)程:文檔處理、語(yǔ)義標(biāo)引、文檔語(yǔ)義向量抽取和本體解析。語(yǔ)義標(biāo)引過(guò)程是模型的核心，但它需要文檔處理和本體解析兩個(gè)處理為其提供服務(wù)。文檔處理產(chǎn)生的結(jié)果作為下一步處理語(yǔ)義標(biāo)引的輸入，而本體解析的結(jié)果也作為語(yǔ)義標(biāo)引的輸入。最終聲稱文檔語(yǔ)義向量存儲(chǔ)到關(guān)系數(shù)據(jù)庫(kù)或文檔中。4個(gè)處理過(guò)程的功能定義如下:(l)文檔處理。以初始文檔集為輸入，對(duì)文檔進(jìn)行標(biāo)引，并將經(jīng)過(guò)標(biāo)引的文
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2010
【分類號(hào)】：G354

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前3條

1 宋巖;基于多Agent和本體的散雜貨港口集團(tuán)船舶調(diào)度系統(tǒng)研究[D];北京交通大學(xué);2011年

2 宋昕;基于本體和進(jìn)化算法的散雜貨港口堆場(chǎng)智能調(diào)度系統(tǒng)研究[D];北京交通大學(xué);2013年

3 王璇;基于多代理的通信領(lǐng)域虛擬服務(wù)系統(tǒng)構(gòu)建研究[D];北京交通大學(xué);2014年

本文編號(hào)：2667213