制造资源本体的概念语义相似度研究
本体研究内容概述(原创)
3 本体应用研究 （1）本体检索/浏览(Ontology Retrieval，Ontology 本体检索/浏览(Ontology Retrieval， Search， Search，Ontology Navigation) 语义网本体浏览(navigation, surfing)、 语义网本体浏览(navigation, surfing)、检索 (search)六种模型： (search)六种模型： 六种模型 语义网搜索引擎(Semantic Web search engines) 语义网搜索引擎(Semantic 语义网浏览工具(navigation 语义网浏览工具(navigation tools) 语义网知识库(Semantic 语义网知识库(Semantic Web repositories) 收集器(specialized RDF 收集器(specialized RDF data collections) 本体标注检索模型(ontology 本体标注检索模型(ontology annotation) 领域本体检索模型
当本体库某一个部分变动的时候，其他部分如何随之自动变动（ 当本体库某一个部分变动的时候，其他部分如何随之自动变动（如 澳门那个项目就可以用这个解决） 还包括逻辑的不一致， 澳门那个项目就可以用这个解决）, 还包括逻辑的不一致，或者逻辑冲 突等问题（但是又不是通过本体推理方法解决）。 突等问题（但是又不是通过本体推理方法解决）。
基于关系数据库数据的自动化/ ● 基于关系数据库数据的自动化/半自动化本体构建
（3）本体映射/整合(Ontology Mapping、Ontology 本体映射/整合(Ontology Mapping、 Alignment、 Merging、 Alignment、Ontology Merging、Semantic Integration and Interoperability)
网络化制造资源建模与搜索的研究
（ 江 苏大学 ， 。 镇江 ２ ２ １ ） １０ ３ Ｒｅ ｅ ｒ ｈ ｏ ｄ ｌ ｇ ａ ｄ Ｓｅ ｒ ｈ ｎ ｆＮｅ ｗｏ ｋ ｄ Ｍａ ｕ ａ ｔ ｒ ｇ Ｒｅ ｏ ｒｅ ｓ ａ ｃ ｎ Ｍｏ ｅ ｉ ｎ ａ ｃ ｉｇ ｏ ｔ ｒ ｅ ｎ ｆ ｃ ｕ ｉ ｓ ｕ ｃ ｓ ｎ ｎ Ｚ Ｅ Ｇ Ｌ— ｉ Ｃ Ｅ ｕ ｎ ｙａ Ｇ ｉｎ ｎ， Ａ ａｒｎ Ｈ Ｎ ｉｂｎ ， Ｈ Ｎ Ｑ ａ — ｕ ｎ， Ｕｊ ａ ３ Ｉ －ｏ ｇ — Ｄ Ｙ （ ｉｇ ｅｈｎＣ ｍ ｒｈ ｎ ｉ ｏ ｅｅＪ ｇ ｅｈｎ３ ３ ０ ， ｈｎ ） ｎ ｄｚ ｅ ｏ ｐｅ ｅ ｓ ｅＣ ｌ ｇ ， ｎ ｄ ｚｅ ３ ０ ０ Ｃ ｉａ Ｊ ｖ ｌ ｉ
ＷＬ片段 ， 该片段可以调用其 他 学和国家科学实验室共 同负责开发的英文字典 。 资源建模必须要 机床属性就 可以访 问机床属性 Ｏ ３ 属性片段。这样信息可以组合成不同的粒度 ， 个 并且可以对部 考 虑 其 粒 度 大小 ， 考 Ｗｏ Ｎ ｔ 的企 业 有关 概念 ， 合 机械 领 参 ｒ ｅ中 ｄ 结 例如财务数据等敏感信息 。 域专家经验可以得到 比较完备的制造资源上层本体树。 各个基本 分信息实施屏蔽 ，
（ ｉｇ ｅｈ ｎＣ ｒｍ ｃＩｓｔｔ，ｉｇ ｅｈ ｎ３ ３ ０ ， ｈｎ ） ２ ｎ ｄｚ ｅ ｅａ ｉ ｎｔｕｅＪｎｄ ｚｅ ３ ４ ３ Ｃ ｉａ Ｊ ｉ （ ｉ ｇｕＵ ｉｅｓ ｙＺ ｅｊ ｎ ０ ， ｈｎ ） ３ａ ｓ ｎｖｒｉ ，ｈｎｉ ｇ２ Ｃ ｉａ ｊｎ ｔ ａ １ １ ２ ３
如图 １ 所示 。当系统只需要机床基本信息 的 本体是概念模型的明确规范说明［ 利用 Ｗｏｄ ｅ 和专家建 求的信息表示方法， ４ １ 。 ｒＮ ｔ 只需访 问机床基本信息 Ｏ ＷＬ文件片段 ； 当系统需要整个 议的方法共同完成领域本体的建立。 ｒＮ ｔ Ｗｏｄ ｅ是美国普林斯顿大 时候 ，
本体的相关研究
本体的相关研究一、本体的内涵本体（Ontology）源于哲学概念，指事物的本身，用以描述事物的本质。
在哲学界，本体为“对世界上客观存在物的系统描述”，即“存在论”“万有论”等。
本体的概念最早起源于古希腊哲学家亚里士多德对事物本质的研究［53］。
随着社会的发展与进步，人们在对世界的研究中，将本体引入到计算机科学、人工智能、信息科学等领域研究中，给出了自己的研究、定义、理解和应用。
20世纪80年代，学者们在信息科学、知识工程领域引入本体的概念。
Neches 等在人工智能领域最早给出了本体定义：本体是某个领域词汇的基本术语和关系，以及用于定义术语和关系以定义词汇外延的规则［54］。
换句话说，本体是某个领域公认的概念集，该概念集包括确定的语义和概念之间的关系。
Gruber给出的本体定义迄今为止引用最为广泛，本体是某个领域中概念模型的形式化和显示的规范说明［77］。
在Gruber研究的基础上，Guarino和Giaretta对本体定义做了进一步修改和完善，他们认为本体论是一套对某个领域概念做出清晰、局部说明的逻辑理论［55-56］。
Borst在Gruber本体研究的基础上，提出本体是共享的概念化的形式规范说明［57］。
Studer等人在Gruber和Borst基础上，提出本体是共享的、概念化的、明确的、形式化的规范说明。
Studer认为本体包括了“共享、概念化、明确、形式化”四个方面的内容［58］。
杜萍对本体“Ontology”在国外的发展过程做了较为完善的总结［59］，如表2-1所示。
表2-1 本体定义的发展续表虽然不同的专家学者对本体的定义有不同的描述，但究其根本，从本体的内涵上看，学者们对本体内涵的认识都是把本体当作某个领域不同主体之间交流的一种语义基础，即用本体定义明确的词汇，描述概念之间的关系，使得使用者之间能够达成共识［68］。
二、本体的分类本体是一个抽象的概念，具有本质、概念化、共享性等特征。
基于本体语义的复杂产品可重构制造服务协同建模研究
摘 要 ：针对制造服务协 同中 业务 流程多变 、制造资源异构的特点 ，提 出了可重构制造服务协 同模式及 其建模 方法 。首先 ，阐述 了可重构制 造服务协 同的特点 ，提出 了可重构制造 服务协 同层次及 服务 模式 ，其次 ，研 究了基 于本体 的可重构制造 服务协 同资源建 模方法和 语义描述机制 ，建 立 了面 向汽 车配件供应 链的复 杂产品 制造服务协 同服务平 台 ，实践 表明该平 台可有效提 升可
何 焱 ，马 军 ，白卫星 ，谢 欢
ＨＥ Ｙ ａ ｌ ｎ ’ ， ＭＡ Ｊ ｕ ｎ ，Ｂ ＡＩ Ｗｅ ｉ ． ｘ ｉ ｎ ｇ ，ＸＩ Ｅ Ｈｕ ａ ｎ
（ １ ． 河南城建 学院 计算机科学 与工程系 ，郑州 ４ ５ ０ ０ ０ ２ ；２ 。 郑州轻工业学院 机 电工程学院 ，郑州 ４ ５ ０ ０ ０ ２ ）
有 共 同点 又 有 很 大 的 区 别 ， 相 比 有 以下 区 别 ，详
关 键 是 在 服 务 的 驱动 下 形 成 动 态 的 资 源 共 享 和 应
用 。现 有 的研 究 以 固 定 的 资 源 和 既 定 解 决 方 案 为 客 户 提 供 服 务 ， 已经 不 能 满 足 客 户 需 求 。 如何 在
基于Ｏ ＷＬ 的 实现 方 法 ，利用 面 向服务 架 构 建立 复 杂产 品制 造 服 务 协 同平 台 ，最 后 以汽 车 零部 件 制
现 代 制 造 服 务 的 关 键 是 要 满 足 客 户 多样 化 和 个 性 化 的 体 验 需 求 ，但 仅 凭 企 业 有 限 的 内部 资 源 已 难 以满 足 ，必 须 集 中发 展 核 心 竞 争 力 ，将 非 核 心 业 务 外 包 ，在 外 部 优 势 资 源 的帮 助 下 完成 制 造 服 务 。在 此 背 景 下 ，企 业 利 用 各 自的优 势 来 提 升 产 品 服 务 附 加 值 ，形 成 围绕 整 个 产 业 链 的制 造 服 务协 同增 值 网络 。 饶 运 清 等 应用 分 布 式人 工 智 能 中 的 多Ａ ｇ ｅ ｎ ｔ 技
本体所含的概念(一)
本体所含的概念(一)本体所含的概念1. 本体（Ontology）•本体是一种形式化的表示方法，用于描述某个特定领域中的概念、实体和关系。
•本体通过定义概念和概念之间的关系，帮助人们理解和组织知识，实现信息的共享和发现。
•本体可用于构建知识图谱、智能搜索和数据集成等。
2. 概念（Concept）•概念是对某个事物或现象的抽象和概括，它是人们对世界的认识和理解的基础。
•在本体中，概念是指用于描述特定领域中的某个实体、属性或关系的符号或名称。
•概念具有抽象性、一般性和科学性，可以根据不同的本体进行精确定义和分类。
3. 实体（Entity）•实体指现实世界中的个体、物体或概念，可以是具体的、抽象的或虚拟的。
•在本体中，实体是本体论域中的基本对象，可以通过唯一标识符来识别和区分。
•实体可以包括人、物、地点、时间、事件等各种概念和事物。
4. 属性（Property）•属性是描述实体特征和属性的概念，用于定义实体的某种性质或状态。
•在本体中，属性用来描述实体的特点、属性、关联和约束等。
•属性可以分为对象属性和数据属性，分别用于描述实体之间的关系和实体的某种特性。
5. 关系（Relation）•关系是描述实体之间连接和联系的概念，用于定义实体间的某种关联。
•在本体中，关系用于表示实体之间的依赖、关联、从属和约束关系等。
•关系可以是一对一、一对多或多对多的，可以有方向性和属性性。
6. 本体论（Ontology Domain）•本体论是指本体所涉及的特定领域或主题范围，用于规定本体中概念和关系的含义和语义。
•本体论决定了本体中所包含的概念和关系的范围和意义，是本体建模的基础。
•不同的本体论可以对同一个领域进行不同的抽象和分类，以适应不同的应用需求。
7. 本体工程（Ontology Engineering）•本体工程是指使用本体技术进行本体建模、验证、调整和应用的过程和方法。
•在本体工程中，需要进行本体的设计、开发、维护和评估，以满足应用的需求。
【国家自然科学基金】_语义本体_基金支持热词逐年推荐_【万方软件创新助手】_20140730
deep web 高校信息资源 领域知识 面向服务的体系结构 需求模型 集成推理 隐马尔科夫模型 限制 问句语义表征 闭包 遗传算法 逻辑程序规则 通信 过程语义 过程模型网 过程模型 跨语言信息检索 资源重用 贝叶斯网络 语言模 语用web服务 语料库 语义集成 语义门户 语义逼近 语义路由 语义覆盖网 语义网格框架 语义网格 语义网服务 语义网文档 语义网地图 语义编码方案 语义知识 语义相关性 语义相关度 语义相似性 语义相似度量 语义浮现 语义模板 语义标记 语义查询扩展 语义查询 语义极性 语义异构 语义度量 语义冲突 语义信息提取 语义信任度 语义互联网 语义万维网 词语-概念相关度 词汇语义知识库 评价框架
访问控制 视频检索 视图映射关系 规则本体 规则 行为语义 虚拟样本 虚拟企业 聚类分析 网页信息 网络节点分类 网络术语学服务 网络搜索 网络中心战 网格服务 网格工作流复合 网格工作流 统计方法 组织 纯语义 类型标注 空间认知 空间推理 程序设计竞赛 种子概念 社会标注 知识获取 知识组织系统 知识系统 知识管理系统 知识相关性 知识本体 知识服务 知识述 知识库 知识元挖掘 着色petri网 相似度函数 电子政务 电子商务 电力信息网 用户偏好 特征标识 深度标注 消歧 消息 注射模 注塑模具 模式语义 模式 模型注册 模型元数据 模型 概念集群
科研热词 本体 语义web 语义 本体映射 描述逻辑 语义网 语义web服务 web服务 owl 信息检索 领域本体 相似度 服务发现 数据集成 集成 资源描述框架 语义相似度 语义标注 自然语言处理 数字图书馆 关联规则挖掘 web本体语言 owl-s 软件工程 语义距离 语义网规则语言 语义检索 语义搜索 语义扩展 语义关联 语义信息集成 语义互操作 知识管理 相关度 模式匹配 概念相似度 概念 本体集成 本体论 本体相似度 本体模型 本体学习 智能检索 映射 协同 制造网格 元数据模型 元数据 信息系统 上下文仲裁 soa p2p
本体映射中的概念相似度计算
本体映射中的概念相似度计算
郑诚;秦多荣
【期刊名称】《计算机技术与发展》
【年(卷),期】2008(018)011
【摘要】本体是概念、属性和关系的集合,本体映射是解决本体异构的最好方法.文中针对目前本体映射过程中概念相似度计算存在的问题,提出一种综合的相似度计算方法.先根据本体中两个概念名称的相似性,选出最相关的概念,减少相似度的计算,然后分别基于概念的属性、实例和关系来计算概念相似度,并进行综合得到概念相似度.在计算属性相似度时,先通过计算属性的信息增益来确定各个属性的优先级,最后只选取几个信息增益大的属性进行相似度的计算,从而减小计算量.
【总页数】4页(P125-127,137)
【作者】郑诚;秦多荣
【作者单位】安徽大学,计算智能与信号处理教育部重点实验室,安徽,合肥,230039;安徽大学,计算智能与信号处理教育部重点实验室,安徽,合肥,230039
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于概念格的跨本体映射中概念相似度计算方法 [J], 滕广青;毕强
2.基于概念相似度计算的多策略本体映射方法 [J], 郁书好;苏守宝;刘仁金
3.本体映射中一种综合的概念相似度计算方法 [J], 徐茜;彭进业;李展
4.本体映射过程中概念相似度计算方法的改进 [J], 谷志锋;刘勇;郭跟成
5.基于概念相似度计算的多策略本体映射研究 [J], 王凡;陈健
因版权原因，仅展示原文概要，查看原文内容请购买。
智能科学与技术交叉学科作业指导书
智能科学与技术交叉学科作业指导书第1章引言 (4)1.1 研究背景 (4)1.2 研究意义 (4)1.3 研究内容 (4)第2章智能科学与技术基础理论 (5)2.1 智能科学基本概念 (5)2.1.1 智能的定义 (5)2.1.2 智能的分类 (5)2.1.3 智能科学与相关学科的关系 (6)2.2 智能技术发展历程 (6)2.2.1 创立阶段（1950s） (6)2.2.2 摸索阶段（1960s1970s） (6)2.2.3 发展阶段（1980s1990s） (6)2.2.4 深度学习阶段（2000s至今） (6)2.3 交叉学科特点与趋势 (6)2.3.1 多学科融合 (6)2.3.2 技术驱动 (7)2.3.3 应用广泛 (7)2.3.4 跨界合作 (7)第3章机器学习 (7)3.1 监督学习 (7)3.1.1 概述 (7)3.1.2 基本概念 (7)3.1.3 常用算法 (7)3.2 无监督学习 (8)3.2.1 概述 (8)3.2.2 基本概念 (8)3.2.3 常用算法 (8)3.3 强化学习 (8)3.3.1 概述 (8)3.3.2 基本概念 (8)3.3.3 常用算法 (8)第4章深度学习 (9)4.1 神经网络基础 (9)4.1.1 神经元模型 (9)4.1.2 损失函数 (9)4.1.3 反向传播算法 (9)4.1.4 神经网络的优化方法 (9)4.2 卷积神经网络 (9)4.2.1 卷积操作 (9)4.2.2 池化操作 (9)4.2.3 卷积神经网络的结构 (9)4.2.4 卷积神经网络的训练与优化 (9)4.3 循环神经网络 (10)4.3.1 循环神经网络的原理 (10)4.3.2 长短时记忆网络（LSTM） (10)4.3.3 门控循环单元（GRU） (10)4.3.4 循环神经网络的训练与优化 (10)4.3.5 循环神经网络的应用 (10)第5章计算机视觉 (10)5.1 图像处理基础 (10)5.1.1 图像表示与变换 (10)5.1.2 图像滤波 (10)5.1.3 图像增强 (11)5.2 特征提取与匹配 (11)5.2.1 特征提取 (11)5.2.2 特征匹配 (11)5.3 目标检测与识别 (11)5.3.1 目标检测 (11)5.3.2 目标识别 (11)第6章自然语言处理 (11)6.1 (11)6.1.1 语言的统计学特性 (11)6.1.2 的构建 (12)6.2 词向量与语义表示 (12)6.2.1 词向量的概念 (12)6.2.2 词向量训练方法 (12)6.2.3 词向量应用 (12)6.3 机器翻译与文本 (12)6.3.1 机器翻译基本原理 (12)6.3.2 文本任务 (12)6.3.3 应用案例 (12)第7章语音识别与合成 (13)7.1 语音信号处理基础 (13)7.1.1 语音信号的特点 (13)7.1.2 语音信号的预处理 (13)7.1.3 语音信号的表示 (13)7.2 语音特征提取 (13)7.2.1 基本特征参数 (13)7.2.2 声学特征 (13)7.2.3 高级特征提取 (13)7.3 语音识别与合成技术 (13)7.3.1 语音识别技术 (13)7.3.1.1 基于动态时间规整（DTW）的语音识别 (13)7.3.1.2 基于隐马尔可夫模型（HMM）的语音识别 (13)7.3.1.3 基于深度神经网络（DNN）的语音识别 (13)7.3.2 语音合成技术 (13)7.3.2.1 波形合成法 (13)7.3.2.2 参数合成法 (13)7.3.2.3 基于深度学习的语音合成 (14)7.3.3 语音识别与合成的应用 (14)第8章技术 (14)8.1 运动学 (14)8.1.1 基本概念 (14)8.1.2 运动学模型 (14)8.1.3 运动学求解方法 (14)8.2 动力学 (14)8.2.1 动力学基本原理 (14)8.2.2 动力学模型 (14)8.2.3 动力学求解方法 (14)8.3 路径规划与控制 (14)8.3.1 路径规划 (14)8.3.1.1 全局路径规划方法 (14)8.3.1.2 局部路径规划方法 (14)8.3.2 控制策略 (14)8.3.3 路径跟踪控制 (15)8.3.4 仿真与实验 (15)第9章知识图谱与大数据 (15)9.1 知识图谱构建与表示 (15)9.1.1 知识图谱概念 (15)9.1.2 知识图谱构建 (15)9.1.3 知识图谱表示 (15)9.2 知识图谱应用 (15)9.2.1 知识图谱在搜索引擎中的应用 (15)9.2.2 知识图谱在推荐系统中的应用 (16)9.2.3 知识图谱在其他领域的应用 (16)9.3 大数据技术及其应用 (16)9.3.1 大数据技术概述 (16)9.3.2 大数据在金融领域的应用 (16)9.3.3 大数据在医疗领域的应用 (16)9.3.4 大数据在其他领域的应用 (17)第10章交叉学科应用实践 (17)10.1 智能医疗 (17)10.1.1 概述 (17)10.1.2 应用实例 (17)10.2 智能交通 (17)10.2.1 概述 (17)10.2.2 应用实例 (17)10.3 智能金融 (17)10.3.1 概述 (17)10.3.2 应用实例 (18)10.4 智能教育 (18)10.4.1 概述 (18)10.4.2 应用实例 (18)第1章引言1.1 研究背景信息技术的飞速发展，智能科学与技术逐渐成为当今世界的研究热点。
知识图谱中的本体构建及语义检索技术研究
知识图谱中的本体构建及语义检索技术研究随着信息时代的到来，海量的数据已经成为人们面临的一大挑战。
如果不能对数据进行有效地管理和处理，将会对人类生产和生活产生负面影响。
在这样的背景下，知识图谱应运而生。
知识图谱是指一种用于描述和组织关于现实世界中事物及其关系的计算机可读数据的图谱。
知识图谱促进了人工智能领域的发展，极大地推动了智能系统、机器学习、自然语言处理等技术的进步。
知识图谱的本质是将现实世界各种事物及其关系规范化为计算机可读的形式，这也就需要对现实世界进行精细化的建模。
在知识图谱中，本体构建是至关重要的一环。
本体是描述现实世界的一个形式化的结构，常用于储存和维护知识图谱中的信息，本体的作用是对现实世界的事物进行分类、属性描述和关系描述。
本体可以理解为描述知识背景的元数据，可以帮助我们更好地理解和组织所描述的知识图谱。
因此从本质上讲，本体是知识图谱的支撑和基础。
本体的构建是一个系统工程。
其主要目的是通过一系列的步骤，将人类对某一领域的知识和理论体系形式化为一个计算机可读的数据结构，以便于知识图谱的实现。
在本体构建的过程中，我们需要人工的进行领域知识的分析和挖掘，并将其转化为本体描述的形式。
本体描述是一个基于逻辑的语言，通常采用OWL语言进行描述。
在本体描述的过程中，需要对领域中的概念进行分类，定义这些概念的属性及其关系，并对这些关系进行规范化的描述。
在本体的构建过程中，我们通常会采用多种工具来辅助我们进行本体的构建和验证。
随着本体的构建和知识图谱的完善，如何有效地进行知识检索成为了研究的热点。
知识图谱中的语义检索技术则是解决这个问题的一个关键性的技术。
语义检索是一种基于语义知识进行检索的方法，其核心在于理解用户输入的询问，并基于本体和知识图谱进行推理并给出结果。
与传统的文本检索不同，语义检索能够克服语言语义鸿沟的问题，可以更加准确地响应用户的搜索请求。
语义检索技术的优点不仅体现在检索效果的提升，同时也可以帮助企业和机构提高业务流程的自动化水平。
基于本体和相似图的概念语义相似度计算
领域本体 和形式 概念 分析虽 然两者 不 同 ， 它们 但
收稿 日期 ：０ １ Ｏ — ３ 修回 日期 ：０ １ ０ —１ ２１一 １ １ ； ２ １— ４ ４
建立都是对概念进行建模 ， 主要有三个方面 ： 差异 （） １ 两者建模的对象不 同 ， 前者 为现实建模 ， 后者
为人工世界建模 ；
Ｔ ｅｒｓｌ ｆ ｐ ｌｄｃｓ ｈｗｓｈ ｏ ｕ ｔ ｎｒｓｌ ｒ ｉｅｔ ａ ｔ ｕ ｎｓｂｅｔ ｅ ｕ ｇ ｎ． ｈｓ ｔｏ ｆ ｃ ｖ ｒ ｏ — ｈ ｅｕｔ ｏ ｐｉ ａｅｓｏ ｅｃ ｍｐｔｉ ｕｔａｅ ｄ ｎ ｃ ｗｉ ｈｍａ ｕｊｃ ｖ ｄ ｍｅｔＴ ｉ ｍｅ ｄ ｉｅ ｅｔ ｅｆ ｎ ｓ ａ ｅ ｔ ａ ｏ ｅ ｓ ｉｌ ｈ ｉ ｊ ｈ ｓ ｉ ｏｃ
ａ ｉ ｉａ ｒ ｐｈ ｎｄ Ｓ ｍ ｌ ｒ Ｇ ａ
ＺＨＡＮＧ ａ — ｕ ｎ，Ｗ ＡＮＧ － ｇ Ｘｉｏ ｌ ａ Ｘｉ ￣ｎ
（ ｅ ａｍｅ ｔ ｆ ｏ ｕｅ ｃ ｎｅ Ｂ ｏｉ ｏｌ ｅｏ ｒ ＆Ｓｉｎｅ Ｂ ｏｉ ２０ ６ Ｃ ｉａ Ｄ ｐｒ ｎ ｍｐ ｔ Ｓ ｉ ｃ 。 ａｊ Ｃ ｌ ｇ ｆ ｔ ｔ ｏＣ ｒ ｅ ｅ Ａ ｓ ｃ ｃ 。 ａｊ７ １１ 。 ｈｎ ） ｅ
ｉｅ ｓｏ ｏ ｉ ｎｏｏ ｙａ ｄ Ｆ ｄ ａ ｆｄ ｍａｎ ｏ ｔｌｇ ＣＡ ｏ ｃ ｍｐ ｔ ｈ ｅ ｎ ｔｃｓｍ ｌｒｔ ｙ ｔｅｄ ｆｎｔ ｎ ｆｔｅｓｍ ｌｒｇａ ｈａ ｄ ｃ ｎ ｉａｅａｔｉｕｅ ｔ ｎ ｔ ｏ ｕｅｔｅｓｍａ ｉ ｉ ａｉ ｂ ｅ ｉ ｏ ｓｏ ｉ ａ ｒｐ ｎ ａ ｄｄ ｔ ｔ ｂ ｔｓｓ ． ｉ ｙ ｈ ｉ ｉ ｈ ｉ ｒ ｅ
支持用户在给定数据 的基础上进行领域分析 和建模 。 Ｆ Ａ作为一 种 对人 工世 界进 行 建模 的工具 无 可 Ｃ
语义和本体的定义
语义数据的含义就是语义(semantic)。
简单的说，数据就是符号。
数据本身没有任何意义，只有被赋予含义的数据才能够被使用，这时候数据就转化为了信息，而数据的含义就是语义。
语义可以简单地看作是数据所对应的现实世界中的事物所代表的概念的含义，以及这些含义之间的关系，是数据在某个领域上的解释和逻辑表示。
中文名语义外文名semantic定义数据的含义含义对数据符号的解释领域性特征编辑语义具有领域性特征，不属于任何领域的语义是不存在的。
而语义异构则是指对同一事物在解释上所存在差异，也就体现为同一事物在不同领域中理解的不同。
对于计算机科学来说，语义一般是指用户对于那些用来描述现实世界的计算机表示（即符号）的解释，也就是用户用来联系计算机表示和现实世界的途径。
语义是对数据符号的解释，而语法则是对于这些符号之间的组织规则和结构关系的定义。
对于信息集成领域来说，数据往往是通过模式（对于模式不存在或者隐含的非结构化和半结构化数据，往往需要在集成前定义出它们的模式）来组织的，数据的访问也是通过作用于模式来获得的，这时语义就是指模式元素（例如类、属性、约束等等）的含义，而语法则是模式元素的结构。
主观特征编辑由于信息概念具有很强的主观特征，目前还没有一个统一和明确的解释。
我们可以将信息简单的定义为被赋予了含义的数据，如果该含义（语义）能够被计算机所“理解”（指能够通过形式化系统解释、推理并判断），那么该信息就是能够被计算机所处理的信息。
关于知识的概念目前没有明确的定义，一般来说，知识为人类提供了一种能够理解的模式用来判断事物到底表示什么或者事情将会如何发展。
从知识的陈述特性上来看，知识即指用来描述信息的概念、概念之间的关系，以及概念在陈述具体事实时所必须遵守的条件。
从这一点看，对于信息的语义以及信息语义之间的关联关系的描述本身就是一种知识的表达，因此在许多研究中，往往将语义的描述等同于知识的描述。
不同的知识表示方法。
5. 本体约定最小(Minimal ontological Commitment)本体约定应该最小，只要能够满足特定的知识共享需求即可。
基于多维度本体的制造业领域知识语义建模研究
知识是一种智慧型资源，是企业自主创新的资本， 是企业获取竞争优势的利器。随着信息量和数据量的
育現昌信息ffc Management end Infomatization_____________________________________________________ 20 勺 9年第 9 期
基于多维度本体的制造业领域知识语义建模研究"
刘航杜江白璃 (西安工业大学机电工程学院，陕西西安710021)
摘要:针对制造业领域多学科交叉 、知识资源数量庞大导致的知识重用与共享困难等问题，基于本体提出
针对制造业领域知识全生命周期的多层次、多维度的制造业领域知制造业领域知识语义分析与提取框架，完成对知识的语义标注。在
领域本体为框架的基础上，针对多维度影响因素提出综合加权的语义相似度以类为中心提取语义关
Abstract: Aiming at the problems of multi -disciplinary cross-disciplinary in the manufacturing industry and the diffi culty of knowledge reuse and sharing, the multi-level and multi-dimensional manufacturing domain knowl edge expression model for the whole life cycle of manufacturing industry is proposed based on the ontolo gy. and realizing the structural and dimensional representation o£ knowledge knowledge in the manufacturing sector. Through the semantic analysis and extraction framework of the manufacturing domain knowledge ,the semantic annotation o£ knowledge is completed. Based on the domain ontology framework,the multi-dimen sional influencing factors are proposed to extract the semantic similarity by using the weighted semantic similarity. The semantic relationship of the aerospace domain is taken as an example to construct a semantic space model that can be recognized and processed by the computer. This model can more fully express the semantic information of manufacturing domain knowledge, and lay a foundation for the subsequent construc tion of knowledge -based knowledge management system in the manufacturing domain.
一种改进的本体语义相似度计算及其应用
一种改进的本体语义相似度计算及其应用摘要：本文提出了一种改进的本体语义相似度计算方法，该方法基于本体的结构和语义信息，通过计算本体中概念之间的相似度，实现了本体语义相似度的计算。
该方法不仅可以应用于本体的构建和维护，还可以应用于自然语言处理、信息检索、知识管理等领域。
关键词：本体；语义相似度；计算方法；应用一、引言随着信息技术的不断发展，人们对于信息的需求越来越高。
为了满足这种需求，本体技术应运而生。
本体是一种用于表示某个领域中概念和它们之间关系的形式化知识表示工具。
本体可以用于知识管理、语义网、自然语言处理等领域。
其中，本体语义相似度计算是本体技术中的一个重要问题。
本文提出了一种改进的本体语义相似度计算方法，并探讨了它的应用。
二、相关工作本体语义相似度计算是本体技术中的一个重要问题，也是自然语言处理、信息检索等领域的研究热点。
目前，已经有很多学者对本体语义相似度计算进行了研究。
其中，基于路径长度和信息内容的计算方法是比较常见的方法。
这种方法的基本思想是通过计算本体中概念之间的路径长度和信息内容的相似度，来计算本体语义相似度。
但是，这种方法存在一些问题。
例如，路径长度的计算方法忽略了本体中概念之间的语义信息，而信息内容的计算方法又存在信息不完备、信息不准确等问题。
因此，需要提出一种新的本体语义相似度计算方法。
三、改进的本体语义相似度计算方法本文提出了一种改进的本体语义相似度计算方法，该方法基于本体的结构和语义信息，通过计算本体中概念之间的相似度，实现了本体语义相似度的计算。
该方法的具体步骤如下：1、概念相似度计算对于本体中的每个概念，首先计算它和其他概念之间的相似度。
具体而言，可以采用基于信息内容的相似度计算方法，例如余弦相似度、欧几里得距离等。
这种方法可以避免路径长度计算方法的缺陷，同时也可以考虑到概念之间的语义信息。
2、概念路径相似度计算对于本体中的每个概念，计算它和其他概念之间的路径相似度。
基于语义词典和本体知识的概念相似度计算
基于语义词典和本体知识的概念相似度计算1.宏，魏明旭，（2001）《基于语义词典和本体知识的概念相似度计算》，第七届全国计算语言学学术会议论文集，222-2262.邦升（2003），自然语言处理技术及其在信息检索中的应用，科学出版社；基于语义词典和本体知识的概念相似度计算是一种评价两个或多个概念之间的关系的有效标准。
基于语义词典的概念相似度计算通常被用于联想、解释和识别语义相关性的信息检索、自然语言处理等领域。
在一般的概念相似度计算方法中，用户通常会对概念定义或暗示进行分析，并试图计算概念之间的相似度。
然而，这种方法效率低下，容易受到语法错误和认知性偏差的影响，很难准确掌握概念之间的差异。
另一种语义词典和本体知识方法可以准确识别概念之间相互关联的内容，自动计算概念之间的相似度。
基于语义词典和本体知识的概念相似度计算，利用这种方法在概念相似度的计算中利用语义词典和本体知识的方法。
张宏和魏明旭在其2001年的论文《基于语义词典和本体知识的概念相似度计算》中，提出了一种综合的概念相似度计算方法。
该方法将基于本体概念的结构特征和基于语义词典的规则特征结合在一起，以综合地考虑概念之间的关系。
张宏和魏明旭认为，概念之间的关系可以由两大类因子来决定：一类为结构特征，另一类为规则特征。
概念之间的相似度主要取决于其之间的结构特征和规则特征。
结构特征描述了概念之间的上下级关系，规则特征则表征了概念之间的语义关系。
结构特征和规则特征结合起来，可以更全面地反映概念之间的关系。
张宏和魏明旭的概念相似度计算方法主要有以下三个步骤：首先，基于本体模型来构建概念相似度网络；其次，基于语义词典来构建基于规则的相似度网络；最后，将基于结构的相似度网络与基于规则的相似度网络结合起来，以计算出两个概念之间的最终相似度。
基于语义词典和本体知识的概念相似度计算在信息检索和自然语言处理领域有着重要的使用价值。
例如，吴邦升在其2003年的著作《自然语言处理技术及其在信息检索中的应用》中，以模型为基础介绍了基于语义词典和本体知识的概念相似度计算在信息检索中的应用。
本体_精品文档
本体本体（ontology）乃是人工智能领域中的关键概念之一。
它是描述现实世界中事物之间关系的一种形式化方式，可以用于知识表示与共享。
本体可以被视为一个概念的分类和属性的集合，它定义了这些概念之间的关联，以及这些概念的属性及其取值。
在本体中，概念可以是具体的实体，也可以是抽象的概念，而属性描述了这些实体或概念的特征和关系。
本体在人工智能领域中的应用依赖于它的形式化语言，从而实现了知识的共享和重用。
本体通过定义概念和关联，可以帮助计算机理解和推理现实世界的知识。
例如，在一个本体中，可以定义“猫”和“狗”是“动物”的子类，而“动物”又是“生物”的子类。
这样，计算机可以基于这些定义进行推理，例如，如果一个实体被归类为“猫”，那么它也可以被归类为“动物”和“生物”。
在构建本体时，一个重要的问题是确定概念之间的关联和属性的取值范围。
这需要考虑到现实世界中概念之间的层次结构和关系。
例如，在一个本体中，可以定义“汽车”和“卡车”是“交通工具”的子类，而“交通工具”又有“颜色”和“速度”等属性。
这样，计算机在处理关于汽车和卡车的特定问题时，可以使用本体中提供的属性信息。
本体的应用不仅局限于人工智能领域，它在其他领域也有广泛的应用。
例如，在生物医学领域，本体被用于描述疾病、基因、药物等概念之间的关系，从而帮助医生和研究人员更好地理解和管理相关的知识。
在企业知识管理中，本体也可以用于组织和搜索企业内部的知识，从而提高知识的共享和重用效率。
尽管本体在知识表示和共享方面有很多优势，但构建和维护本体也是一个复杂的任务。
首先，正确地定义本体中的概念和属性是至关重要的。
如果定义不准确或模糊，可能导致计算机在处理知识时出现错误的推理结果。
其次，本体的应用范围必须明确，并与具体的应用场景相匹配。
如果本体的范围过于宽泛或狭窄，可能导致知识的表示和推理效果不佳。
此外，本体的维护也是一个持续的工作，需要不断更新和修正本体中的概念和关联，以确保它始终与现实世界的知识保持一致。
写材料的本质和价值
写材料的本质和价值材料（Materials）是构成事物物质部分的基本元素，是制造各种物品和产品所必需的原材料。
例如，建筑材料用于建造各种建筑物，食品材料用于制作各种食品，工业材料用于制造各种机械设备等等。
材料具有广泛的应用领域，对人类社会的发展起到了至关重要的作用。
材料的本质可以从两个方面来理解。
首先，材料是自然界提供给人类的资源，是地球上存在的物质的一种表现形式。
材料可以是矿石、植物、动物等自然界的物质，也可以是人类通过各种方式创造出来的合成材料。
不同的材料拥有不同的特性和性质，可以用于不同的用途。
其次，材料是人类社会发展的基础，是人类工业和科技的重要组成部分。
通过对材料的研究和开发，人类不断创造出新的材料，推动了科技和工业的进步。
材料的价值体现在多个方面。
首先，材料能够满足人类各种生产和生活的需求。
作为制造产品的基础，材料的质量和性能直接关系到产品的品质和使用效果。
高质量的材料能够使产品更加坚固耐用、外观精美、性能卓越，提高了产品的使用寿命和用户体验。
其次，材料的研究和开发对于科技和工业的进步至关重要。
材料科学是一个交叉学科，涉及物理、化学、材料工程等多个领域的研究。
通过对材料的研究，人们可以探索材料的微观结构和性能，开发出具有更好性能和更高效率的材料，推动科技和工业的发展。
例如，研发出新型材料可以提升能源利用效率，减少环境污染，推动可持续发展。
材料的研究和开发也为人类解决各种挑战提供了可能，如开发新型医疗材料可以提高医疗效果，研发新型材料可以改善交通工具的安全性能等。
此外，材料还具有重要的经济价值。
材料是生产的基础，各个行业和领域的发展都离不开材料的支持。
材料的需求量巨大，相关产业的规模也很庞大。
材料行业的发展不仅会直接影响到相关产业的发展，也会带动相关产业的就业和税收，促进经济增长。
另外，材料的创新和应用也能够带来经济效益。
新材料的研发和应用可以为企业带来竞争优势，提高产品的附加值，带动相关产业发展，提升整个国家的国际竞争力。
纺织工程领域本体模型构建
纺织工程领域本体模型构建纺织工程领域是一个复杂的领域，涵盖了从纤维材料到织物制品的整个生产过程。
在这个领域中，本体模型的构建可以帮助我们更好地理解和管理这个过程。
本体模型是一个概念结构，用于描述实体、关系和概念之间的语义。
在纺织工程领域中，本体模型可以用来描述纤维材料、纱线、织物制品和生产过程中的各种关系和概念。
这个模型是一个面向语义的模型，可以帮助我们更好地理解整个生产过程，并提高生产效率和产品质量。
1. 确定本体模型的目的和范围：我们需要确定本体模型的主要目的和适用范围。
例如，我们可能希望构建一个纺织工程生产过程的本体模型，该模型涵盖从纤维材料到织物制品的整个生产流程。
2. 识别实体和关系：我们需要识别实体和关系，这些实体和关系在纺织工程生产过程中起着关键作用。
例如，纤维材料、纱线和织物制品都是实体，它们之间的关系包括原材料到成品的转化、纱线到织物的转化等。
3. 定义概念和术语：我们需要定义相关概念和术语，以确保模型的语义准确性。
例如，纤维材料可能包括天然纤维和合成纤维两类，每种纤维材料可能具有不同的材质属性和特殊加工需求等。
4. 构建概念层次结构：我们需要将实体和关系组织成一个概念层次结构，以便更容易理解和管理。
例如，我们可以将纺织工程生产过程划分为主要的生产阶段，如棉纺、毛纺、织造等，每个阶段包括不同的实体和关系。
5. 完善本体模型：我们需要进一步完善本体模型，以适应不同的应用场景和具体需求。
例如，我们可以添加数据属性或约束条件等，以更好地定义和管理实体和关系。
本体模型的构建可以帮助我们更好地理解和管理纺织工程生产过程，从而提高生产效率和产品质量。
但是，本体模型的构建需要一定的专业知识和经验，我们需要结合实际情况进行适当的调整和运用。
面向制造业的知识本体集成研究的开题报告
面向制造业的知识本体集成研究的开题报告一、选题背景随着制造业的不断发展和进步，企业需要处理越来越复杂、庞大的知识和信息。
制造业企业内部知识分散、流失快、重复创建等问题导致了知识管理的难度，从而使企业在决策、生产、管理等方面效率不高，竞争力不足。
知识本体是一种对概念、属性、关系进行组织与表示的方法，可为制造业企业构建一个可共享、可重用、可扩展的知识库，有效地解决企业的知识管理问题，提升企业的竞争力。
本论文研究的目的是针对制造业企业知识本体集成的实际需求，探索一种适合于制造业的知识本体集成方法，从而推动企业知识管理的创新和发展。
二、问题描述在制造业领域的众多应用场景中，企业内部的知识管理体系已日益成为制约企业发展的重要因素之一。
由于不同部门或人员所涉及领域、知识研究方向等不同，导致各部门或人员创建的知识库之间面临着难以整合、重复建设等问题。
为了解决这些问题，需要建立一个能够可靠、可扩展、可重用的知识本体集成平台，将各部门或人员所创建的知识本体集成为一个整体，进而实现各个部门和人员之间的信息共享、知识传递和协作。
三、研究内容本论文的研究内容围绕制造业知识本体集成方法展开，具体包括以下内容：1.研究制造业领域知识本体模型并构建本体模板库；2.设计基于本体的知识管理系统，实现知识的标准化、多类型数据的整合；3.研究本体语义映射技术，实现多种知识本体间的映射；4.探索本体采用的存储、查询及推理实现方式,实现知识库的快速查询与推理；5.研究本体的扩展与更新方法，支持知识库动态更新和维护。
四、研究目标本论文的研究目标是：1.构建适用于制造业企业的知识本体模型和模板库；2.设计一套完整的制造业知识管理系统，实现各部门或人员创建的知识库的整合。
3.实现不同制造业知识本体间的语义映射;4.确定本体存储、查询及推理技术，提高知识库的查询与推理效率；5.提出本体扩展与更新方法，使知识库具有动态性与可维护性。
五、预期成果本研究将得到以下预期成果：1.基于制造业特点的知识本体模型和模板库；2.具有完整功能的制造业知识管理系统，能够对各个部门或人员创建的知识本体进行整合；3.实现不同制造业知识本体间的语义映射;4.本体存储、查询及推理技术的应用，提高知识库的查询与推理效率；5.本体扩展与更新方法，使知识库具有动态性与可维护性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｌ ａ ｒ ｉ ｔ ｙ，ｗ ｈ ｉ ｃ ｈ ｗａ ｓ ｄ ｉ ｖ ｉ ｄ ｅ ｄ ｉ ｎ ｔ ｏ ｔ ｗ ｏ ｐ ａ ｒ ｔ ｓ ：ｔ ｈ ｅ ｍａ ｉ ｎ ｓ ｉ ｍｉ ｌ ａ ｉ ｒ ｔ ｙ ａ ｎ ｄ ａ ｄ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ ．Ｍａ ｉ ｎ ｓ ｉ ｍｉ ｌ ａ ｉ ｒ ｔ ｙ ｓ ｙ ｎ ｔ ｈ ｅ ｔ ｉ ｃ ａ ｌ ｌ ｙ ｃ ｏ ｎ ｓ ｉ ｄ ｅ ｒ ｅ ｄ ｔ ｈ ｅ ｓ ｅ Ｉ ｆ － ｓ ｉ ｍｉ ｌ ａ ｉ ｒ ｔ ｙ ｏ ｆ ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ，ａ ｎ ｄ ｔ ｈ ｅ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ ｏ ｆ ｂ ｏ ｔ ｈ ｐ ａ ｒ ｅ ｎ ｔ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ａ ｎ ｄ ｃ ｈ ｉ ｌ ｄ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ，ａ ｓ ｗｅ ｌ ｌ ａ ｓ ｔ ｈ ｅ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ ｂ ｅ — ｔ ｗ ｅ ｅ ｎ ｅ ｖ ｅ ｒ ｙ ｔ ｗ ｏ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ｓ ．Ｉ ｎ ｔ ｈ ｅ ｍｅ ａ ｎ ｔ ｉ ｍｅ． ｉ ｔ ｔ ｏ ｏ ｋ ｉ ｎ ｔ ｏ ｃ ｏ ｍｐ ｕ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ｓ ｉ ｍｉ ｌ ａ ｉ ｒ ｔ ｙ ｏ ｆ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ａ ｔ ｔ ｉｂ ｒ ｕ ｔ ｅ ．ｆ ｏｒ ｔ ｈ ｅ ａ ｔ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｉ ｎ ｃ ｌ ｕ ｄ ｅ ｄ ａ ｌ ｏ ｔ ｏ ｆ ｓ ｅ ｍａ ｎ ｔ ｉ ｃ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ．Ｉ ｎ ｔ ｈ ｅ Ｗ ａ ｙ ．ｉ ｔ ｇ ｒ ｅ ａ ｔ ｌ ｙ ａ ｎ ｄ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｏ ｆ ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ｓ ｅ ｍａ ｎ ｔ ｉ ｃ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ ． Ａ ｄ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ ｒ ｅ ｆ ｅ ｒ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ｍａ ｉ ｎ ｓ ｅ ｍａ ｎ ｔ ｉ ｃ ｓ ｉ ｍｉ ｌ ａ ｉ ｒ ｔ ｙ ｃ ｏ ｍｐ ｌ ｅ ｍｅ ｎ ｔ ｅ ｄ ｂ ｙ ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ｈ ｉ ｅ ｒ ａ ｒ ｃ ｈ ｙ ，ｕ ｓ ｉ ｎ ｇ ｔ ｈ ｅ ｄ ｅ ｐ ｔ ｈ ｏ ｆ
丁
摘
博 ， 苗世迪
（ 哈 尔滨理工大学 ａ ． 计算机科学与技术学院； ｂ ． 软件学院， 哈 尔滨 １ ５ ０ ０ ８ ０ ）
要 ：为 了实现 制造 资 源本体之 间的语义 互操作 ， 对本体 中的概 念进 行语 义相似 性计 算是进 行 此操 作 的 关键
技 术之 一 。提 出 了一种 计算概 念语 义相 似度 的新 方 法 ， 将概 念语 义 相 似 度 分 为主 体相 似 度 章 编号 ：１ ０ ０ １ — ３ ６ ９ ５ （ ２ ０ １ ６ ） Ｏ １ — ０ ０ ２ ８ — ０ ４
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ １ ． ３ ６ ９ ５ ． ２ ０ １ ６ ． ０ １ ． ０ ０ ６
分。主体相似度综合考虑了概念 自身的相似度、 该概念的父概念和子概念间的相似度以及概念间的二元关系， 同时， 加入 了概念属性相似度， 属性携带 了概念的大部分语义信息， 计算属性相似度可以有效提 高概念语 义相似
度 的准 确性 ； 附加 相似性 是指 通过 本体 中概念 的层 次结构 对 主体 相似 度 进 行语 义 补 充 ， 利 用概 念 的 深度 对得 到
（ ａ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆＣ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ，ｂ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｆＳ ｏ ｏ ｔｗ ｆ ａ ｒ ｅ ， Ｈａ ｒ ｂ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｆＳ ｏ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｈ ａ ｒ ｂ ｉ ｎ １ ５ ０ ０ ８ ０ ，Ｃ ｈ ｉ ｎ ａ ）
ｐ ｕ ｔ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｏ ｎｔ ｏ ｌ ｏ ｇ ｙ ｉ ｓ ｏ ｎ ｅ ｏ ｆ ｔ ｈ ｅ ｃ ｉｔ ｒ ｉ ｃ ａ ｌ ｐｒ ｏｂ ｌ ｅ ｍｓ ． Ｔｈ ｉ ｓ ｐ ａ ｐｅ ｒ ｐｒ ｏ ｐ ｏ ｓ ｅ ｄ ａ ｎｅ ｗ ｍｅ ｔ ｈ ｏ ｄ ｏｒ ｆ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｎ ｇ ｃ ｏ ｎｃ ｅ ｐｔ ｓ ｅ ｍａ ｎｔ ｉ ｃ ｓ ｉ ｍｉ —
第３ ３卷 第 １期
２ ０ １ ６年 １月
计 算 机 应 用 研 究
Ａｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｆ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ ｓ
Ｖ０ １ ． ３ ３ Ｎｏ ． １
Ｊ ａ ｎ ．２ ０ １ ６
制造 资 源 本体 的概 念 语 义 相似 度研 究
的概念语义相似度进行语义调整， 有效地 弥补 了仅仅利用主体相似度计算概念语 义相似度 的不足。实例证明，
该 方法 可 以准 确地计 算 同一本体 和本 体之 间的概 念语 义相似 度 。
关 键词 ：本体 ； 概 念语 义相似 度 ；主体 相似度 ；附加相 似度
中图分类 号 ：Ｔ Ｐ ３ ９ １ ． ４ ３
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ａ ｃ ｈ ｉ ｅ ｖ ｅ ｓ ｅ ｍａ ｎ ｔ ｉ ｃ ｉ ｎ ｔ ｅ ｒ ｏ ｐ ｅ ｒ ａ ｂ ｉ ｌ ｉ ｔ ｙ ａ ｍｏ ｎ ｇ ｍａ ｎ ｕ ｆ ａ ｃ ｔ ｕ ｒ ｉ ｎ ｇ ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ．ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ｓ ｅ ｍａ ｎ ｔ ｉ ｃ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ ｃ ｏ ｍ—
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ｓ ｅ ｍａ ｎ ｔ ｉ ｃ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ ｏ ｆ ｍａ ｎ ｕ ｆ ａ ｃ ｔ ｕ ｒ ｉ ｎ ｇ ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ
Ｄｉ ｎ ｇ Ｂｏ ，Ｍ ｉ ａ ｏ Ｓ ｈ ｉ ｄ ｉ