论文题目: 基于本体的不确定性知识管理研究
论文类型: 博士论文
论文专业: 计算机软件与理论
作者: 程勇
导师: 史忠植
关键词: 知识管理,本体,不确定性,知识服务,多主体系统
文献来源: 中国科学院研究生院（计算技术研究所）
发表年度: 2005
论文摘要: 随着人类社会步入知识经济时代,知识正取代传统的土地、自然资源、资本和劳动力成为推动社会进步与发展的主要力量。知识经济在客观上要求有与之相适应的管理模式和管理理论;另外组织或企业也迫切需要有效的技术来管理这种极具经济价值的战略性资源。基于以上背景,本文着重探讨了基于本体的知识管理,特别是不确定知识管理中的几个关键问题,具体来说包括以下几个方面:(1)基于本体的不确定性知识表示和查询当前组织和企业所处的环境(如Web、市场)具有开放、不确定性和分布式等特征。如何表示领域中的知识,特别是不确定知识是一个重要的研究问题。传统的本体建模方法以及现代基于描述逻辑的本体表示语言都存在不足。为了表示领域知识的不确定性并支持对不确定性知识进行推理,本文对现代描述逻辑进行了扩展提出了P-SHIQ描述逻辑,引入概率来表示概念之间的依赖关系,并使用贝叶斯网络作为不确定性知识的推理手段。在知识查询方面,本文也对现有基于描述逻辑的知识查询机制进行了扩展,使之能处理不确定知识查询问题。(2)半自动本体获取方法Web时代的来临加剧了知识获取这一瓶颈问题。知识的手工获取不仅效率低下、代价高昂,而且还容易导致不一致性和各种其他错误。本文提出了一个半自动的本体获取方法,该方法主要从Web页面、文本数据库等多种源语料库中获取浅层本体,并通过领域专家的干预和确认得到符合应用要求的领域概念模型。我们重点研究了基于本体的语料获取、领域概念发现和关系学习,所获得的本体可以用现有语言来表示。(3)本体映射方法在多主体系统、语义网和信息集成等领域,如何协调同一领域内不同本体,甚至是不同领域本体的语义差异是一个重要问题。本文基于相似度度量提出了一个多维动态概念映射算法-S-Match算法。该算法可以根据应用领域不同灵活性和准确性需求,在语言级、结构级、实例级和推理级四个维度上动态地进行本体概念映射。S-Match算法在查全率和查准率方面要优于H-Match算法,和GLUE方法相比,S-Match需要更少的专家支持。对于概率本体,我们提出了S-POMap算法,它是S-Match算法的扩展,主要在推理级上使用贝叶斯网络学习算法发现概念相似关系。(4)面向语义的多主体知识服务面向服务的结构为动态环境中的知识共享和利用提供了一种良好的集成手段。当前Web服务描述仅停留在语法层面,并没有对其意义做任何说明。这种语义信息的缺失和关系的匮乏严重阻碍了服务协作和组合。本文以开放动态环境下的语义级知识共享和利用为目标,定义了知识服务描述OWL-KS,赋予知识服务丰富的语义信息。着重阐述了知识服务的描述、发现和匹配问题。在实现上以多主体系统为平台,知识服务提供方和
论文目录:
描述逻辑符号表
图表清单
第一章 绪论
1.1 研究动机及意义
1.2 面临的主要挑战
1.3 相关研究工作现状
1.3.1 半自动本体学习方法
1.3.2 本体映射和合并方法
1.3.3 知识库和查询语言
1.3.4 面向语义的知识服务
1.3.5 本体工程环境与支持工具
1.4 主要研究内容和贡献
1.5 论文结构安排
1.6 本章小结
第二章 描述逻辑及其扩展
2.1 描述逻辑概述
2.2 现代描述逻辑
2.2.1 语法与语义
2.2.2 描述逻辑知识库
2.2.3 描述逻辑推理
2.3 描述逻辑扩展
2.3.1 P-SHIQ 语法
2.3.2 P-SHIQ 语义
2.3.3 P-SHIQ 推理
2.4 本章小结
第三章 半自动领域本体获取方法
3.1 本体引论
3.1.1 基本概念与意义
3.1.2 本体开发方法及评价
3.1.3 本体表示语言与支持工具
3.2 半自动本体获取方法
3.2.1 方法概述
3.2.2 本体需求分析
3.2.3 领域分析与建模
3.2.4 本体学习过程
3.2.5 本体提炼与形式化
3.2.6 本体评价与维护
3.3 语料获取与预处理
3.3.1 OntoSpider 体系结构
3.3.2 源语料预处理
3.3.3 相关度计算
3.3.4 OntoSpider 实验结果
3.4 本体概念学习
3.4.1 基于LSI 的概念学习
3.4.2 基于HowNet 的概念学习
3.5 本体关系学习
3.5.1 层次关系学习
3.5.2 关联关系学习
3.5.3 基于HowNet 的关系学习
3.6 本章小结
第四章 领域本体映射
4.1 引言
4.1.1 本体映射意义
4.1.2 本体映射定义
4.1.3 本体映射过程
4.2 基于相似度计算的多维动态概念映射
4.2.1 基本概念
4.2.2 相似度计算
4.2.3 S-Match 算法描述
4.2.4 实验结果及分析
4.3 概率本体映射方法
4.3.1 本体映射关系
4.3.2 S-POMap 算法描述
4.4 本章小结
第五章 知识库与知识查询
5.1 引言
5.2 基本概念
5.2.1 P-SHIQ 知识库
5.2.2 最小公概率概念
5.3 不确定知识查询
5.3.1 知识查询过程
5.3.2 知识推理查询
5.3.3 知识查询示例
5.4 本章小结
第六章 面向语义的多主体知识服务
6.1 引言
6.2 知识服务描述
6.2.1 知识服务主体
6.2.2 知识服务描述
6.2.3 知识服务模型
6.2.4 知识资源描述
6.2.5 知识服务定位
6.3 知识服务发现与匹配
6.3.1 知识服务发现
6.3.2 知识服务匹配
6.4 多主体知识服务
6.4.1 多主体系统
6.4.2 多主体环境MAGE
6.4.3 多主体知识服务
6.5 本章小结
第七章 知识管理系统KMSPHERE
7.1 组织(企业)知识需求
7.2 知识管理过程
7.3 KMSphere 系统
7.3.1 KMSphere 设计思想
7.3.2 KMSphere 体系结构
7.3.3 KMSphere 系统实现
7.4 本章小结
第八章 结束语
8.1 本文工作总结
8.2 将来进一步研究方向
参考文献
致谢
作者简历
发表论文
科研项目
发布时间: 2006-12-27
参考文献
- [1].基于灰色定性方法的主观不确定性知识表达与路径规划算法研究[D]. 李书杰.中国科学技术大学2012