【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,使知識更好地共享、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、動車組、運營管理等專業(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)計劃重大課題(Z2006-094)和教育部科技基礎(chǔ)資源數(shù)據(jù)平臺項目(507002)為支撐,以高速鐵路領(lǐng)域為實證背景,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——語義檢索和推理,主要做了以下幾個方面的工作: (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,在對已有本體構(gòu)建方法和由多專業(yè)構(gòu)成的領(lǐng)域知識特點深入研究的基礎(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,根據(jù)由多專業(yè)構(gòu)成的領(lǐng)域的實際情況,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義相似度計算方法 針對集成后的統(tǒng)一的多專業(yè)領(lǐng)域本體,在對現(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。 概念語義相似度計算是語義擴展檢索中用戶查詢詞擴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)建了計算多專業(yè)領(lǐng)域本體概念之間語義相似度的MD4(Fourfold Matching-Distance Model)模型,并給出了該模型的詳細(xì)算法。 (3)給出了五種語義擴展檢索模式 擴展檢索是通過查找檢索條件中的相關(guān)概念,從而得到相關(guān)知識項。本文針對多專業(yè)領(lǐng)域本體的特點和其檢索對象對用戶查詢語義擴展模式進行了分析,給出了五種語義擴展檢索模式。以O(shè)WL為推理基礎(chǔ),對領(lǐng)域本體語義關(guān)系和推理規(guī)則進行了闡述。 (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)計和開發(fā)了一個面向高速鐵路知識的語義檢索和推理系統(tǒng)HSRK-SRRS(High-speedRailway Knowledge-Semantic Retrieval and Reasoning System),對本文提出的基于“范疇表和主題詞表”的多專業(yè)領(lǐng)域本體構(gòu)建方法、語義擴展檢索方法和語義關(guān)系推理進行了實驗驗證。 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)實意義,對多專業(yè)領(lǐng)域本體構(gòu)建、概念之間語義關(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,基于多專業(yè)領(lǐng)域本體模型構(gòu)建的計算領(lǐng)域本體概念之間語義相似度的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)建及其語義檢索與推理的實現(xiàn)提供了一個實證參考。
【圖文】：

理效率的折衷，我們一般選擇 OWLDL或者 OWLLite作為構(gòu)建本體時所使用的本體語言，在本文中我們選擇 OWLLite作為多專業(yè)領(lǐng)域本體的描述語言。圖1一1刻畫了上述面向語義叭觸b的本體語言之間的關(guān)系。圖1一1面向語義W七b的本體語言之間的關(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，使計算機能夠理解和處理基于語義的知識表示和推理。RDF[65]與owL[66】語言是謂詞邏輯的特例。RDF與owL提供了一個非常適合

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

【引證文獻】

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;基于本體和進化算法的散雜貨港口堆場智能調(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：2667213