导读:本文包含了本体异构论文开题报告文献综述及选题提纲参考文献，主要关键词:异构本体,本体合并,本体融合,语义相似度
本体异构论文文献综述
楼雯,王慧,鞠源[1]（2019）在《基于二值相似度计算的异构本体融合方法》一文中研究指出异构本体的存在带来了知识检索的冗余,基于异构本体的知识融合是十分必要的。大量的语义相似度计算容量与复杂的计算过程使得知识融合变得困难,本文提出二值相似度计算的异构本体融合方法,将语义相似度的计算提前至原始本体的构建过程,融合时只进行概念和关系的二值匹配,从而简化融合过程再次计算语义相似度的过程。文章从实体图书元数据、小样本本体和大样本本体叁个角度组织了叁个实验,利用武汉大学图书馆书目数据的实验一显示本文方法可以完成本体融合的过程,实验二和实验叁显示本文方法可以提高本体融合的准确性,并显着提高运行反馈时间,综合反映本体融合效果良好,但需要在召回率上进行改进。本文方法有望在扩展专家本体、减少本体构建开销等方面体现应用价值。(本文来源于《情报学报》期刊2019年06期）
陆旭[2]（2019）在《基于本体的医疗异构数据集成研究与应用》一文中研究指出医学科学的发展,直接关乎我们人类的生命和健康,在大数据战略即将被纳入国家发展计划的今天,如何以数据创新探索未来的医学科学,如何在庞大的数据资源中快速获取信息、提升人类医疗集体经验,是亟待探讨的现实问题。我国的医疗信息化建设工作一直在持续开展中,但是一直以来各医疗机构的信息系统相对封闭、医疗卫生数据不能实现互联互通。我国新的医疗改革方案也提出了,要求建立信息可共享的医疗卫生信息系统,突出强调了实现医疗卫生数据的互操作性的重要地位。语义互操作性指的是两个或两个以上的系统或组件能够较好通信并且使用那些已经交换信息的能力,它能够确保异构系统均采用同样的规范解析和处理数据,确保对医疗卫生数据能够无歧义的理解、解析和使用。而在实现医疗数据分析和语义互操作性的第一步就是医疗数据的集成工作,在数据集成工作中,医疗数据以其数据类型复杂、数据量大、数据源间存在异构现象等特点,给医疗信息化发展带来了巨大阻碍,集成海量医疗异构数据是目前推进医疗信息化进程中亟待解决的问题。本文针对医疗数据源的特点以及异构数据的集成问题,提出了一种将语义的互操作性引入医疗数据集成工作的技术方案,该方案在医疗领域的数据仓库中将医疗本体相似度检测算法引入本体构建部分以进一步解决异构数据集成问题,主要内容如下:1.提出医疗领域本体构建方法:该方案首先通过不同的异构数据源提取结构信息,建立局部本体,并通过计算相似度进行局部本体间的本体融合,通过全局本体映射数据间关系,去除多语义,进而指导ETL过程;2.提出医疗相似度SDAMO算法:在该方案中,本文提出了一种适合于处理医疗领域数据的医疗本体相似度检测算法一SDAMO算法,该算法可在本体体积庞大的医疗领域本体中发挥作用,相对传统的相似度检测算法,该算法的准确度更好,更接近实际需要。3.提出医疗文本数据集成方案:对于无结构的文本数据的集成问题,本文在主流的文本分类算法基础上,通过引入SDAMO算法,引入语义信息,给出了一套对于文本数据的语义集成方案。最后,通过实验证明,以上方法在消除医疗领域数据语义不确定性方面表现良好,并能够提高医疗数据仓库中异构数据的集成效率,在解决医疗异构数据的集成问题上是实际可行的。(本文来源于《天津工业大学》期刊2019-01-20）
王顺[3]（2018）在《基于本体的多源异构数据融合方法的研究与应用》一文中研究指出目前,关于多源异构的数据融合技术无论是在学术界还是工业领域虽然都取得了一些进展,但是关于多源异构数据在语义层面的融合技术还有很多问题没有解决。如在多传感器数据融合领域中数据的多源性、异构性和不完整性等特征给融合系统带来的融合障碍。如何利用这些多源数据之间的约束关系,并在语义层次将多源异构数据转化为对传感器监测目标的一致性解释和语义描述,进而获得更加准确可靠的融合场景下的态势描述。最终根据具体的态势评估结果自动给出的辅助决策的信息,这些问题是本文研究的重点。针对上述问题,本文在已有研究的基础上提出了基于本体的多源异构数据的融合方法,并针对智能家居领域的多传感器数据融合的实例对本文提出的方法进行验证,主要的研究内容主要有:首先,针对多传感器数据融合过程中面临的异构问题,本文构建了传感器的本体描述模型,通过将多传感器数据进行统一的本体描述,解决了多源异构数据的语义异构和语法异构问题,提高了数据融合的效率。为了将传感器本体实例中的数据进行特征级融合,提出了传感器本体实例的更新算法和属性融合与特征提取算法。其次,针对智能家居领域的多传感器数据融合面临的问题,提出了智能家居领域的数据融合模型。在框架层面对智能家居领域的数据融合问题进行技术整合,然后根据提出的框架构建了智能家居领域的态势本体。为了将特征级本体与态势本体进行关联,本文采用了本体映射方法。针对多源数据的不确定性特征提出了决策级融合方法,利用可传递数据模型进行多辨识框架信息之间的融合,最终生成当前智能家居环境下的态势评估结果。在此基础之上针对一些对时效性较为敏感的数据进行时效性处理。在获取了态势评估的结果之后应用本体推理的方法进行决策信息的自动生成。最后,为了验证本体所提出方法的有效性,实现智能家居环境下的决策级数据融合系统,设计并实现了智能家居领域的数据融合系统DFS原型工具。利用DFS原型工具完成态势本体之间的映射,并对本体的一致性进行检验,最后根据态势评估的结果进行基于规则的本体推理,自动生成决策信息。(本文来源于《南京航空航天大学》期刊2018-01-01）
孙成柱,陈威[4]（2015）在《基于本体的企业异构信息集成系统》一文中研究指出为了实现不同企业系统之间信息交换和共享,解决企业信息异构性的问题,借助于领域本体,在基于本体的企业信息匹配和映射需求的基础上,说明了支持异构信息集成的本体管理功能,提出了基于本体的企业异构信息集成系统的功能设计,最后给出了系统的实现,系统具有界面友好、操作方便、强壮性高的优点。(本文来源于《福建电脑》期刊2015年09期）
阳其凯,王坚,凌卫青[5]（2015）在《基于本体和云服务的交通异构数据集成方法研究》一文中研究指出考虑到智能交通系统(ITS)建设的需要,研究了交通异构数据集成的问题,重点研究了系统异构与语义异构的交通异构数据集成。在分析基于数据维、服务维、流程维的交通异构数据集成模式的基础上,引入本体与云服务技术,提出了以服务封装、语义检索、流程驱动、服务组合、面向用户为导向的交通异构数据集成方法。该方法运用云服务打破了异构数据的系统壁垒,引入本体解决了异构数据的语义检索问题。为了验证该集成方法的有效性,构建了大城市交通异构数据云服务系统,该系统的示范为目前交通领域异构数据集成问题提供了解决方案,为我国智能交通系统建设提供了借鉴与导向。(本文来源于《高技术通讯》期刊2015年07期）
陆彬[6]（2015）在《基于本体的异构数据源检索技术研究》一文中研究指出据统计互联网中有70%以上的数据是存储在关系型数据库中的,而当前对数据库的查询主要依赖于专业人员提供的接口,难以满足用户的各种需求。如果对数据库的检索能像搜索引擎一样利用自然语言,无疑会给各行业的发展带来极大的便利。另一方面,异构数据源之间往往包含许多关联,传统的搜索方式迫使用户只能从一个数据源中查询得到结果后再去另一个数据源中进行查询,这种方式对用户来说是耗时且费力的。本文提出一种基于本体的异构数据源检索技术,主要内容包括：(1)结合已有的本体抽取、本体匹配与集成方法,研究本体之间的属性匹配方法,将从异构数据源关系模式中抽取出的本体集成为一个全局本体,作为异构数据源检索的基础：(2)利用集成的本体,挖掘用户自然语言查询中关键词之间的关联,找出用户查询中潜在的语义。(3)研究通过集成的本体与异构数据源关系模式之间的映射,将用户的自然语言查询转换为数据库查询语句；(4)设计并实现基于本体的异构数据源检索原型系统。本文的主要成果有：(1)提出了一种本体匹配与集成中基于内容的属性相似度计算方法；(2)提出了一种通过集成的本体检索异构数据源的方法；(3)提出了一种通过集成的本体对应的图数据结构挖掘查询关键词之间关联的方法：(4)提出了一种通过集成的本体与异构数据源关系模式之间的映射，将自然语言查询转换为数据库查询语句的方法。(本文来源于《东南大学》期刊2015-04-01）
黄洋[7]（2015）在《基于SSH架构与本体的异构数据集成技术研究》一文中研究指出随着我国经济水平与科研能力的快速提升,云计算、大数据、物联网等高新信息化技术开始快速融入生活生产中的各个行业,与这种高速发展形成鲜明对比的是部分单位由于不同数据源的管理系统与命名方式不同或数据模式存在差异而无法实现信息共享,以至于“信息孤岛”现象严重。为了解决上述问题,国内外学者对异构数据集成问题进行了深入的研究,陆续提出了数据仓库、联邦数据库、基于本体的虚拟集成、基于CORBA的数据字典等解决办法。随着语义异构逐渐成为异构数据集成的关键问题,本体开始成为异构集成领域的研究热点。本文选择了基于本体的异构数据集成方法进行研究,与传统方法不同的是本次研究开发SSH框架作为系统架构的基础,不仅能提高系统的稳定性,使系统可以应对底层数据源的扩充与更换,还能实现关系数据源数据模式的自动抽取以及系统组件的统一管理,通过Spring整合Web层与数据持久层组件,降低了系统与程序的耦合度,提高了集成效率。本文研究的重点是如何构造映射各异构数据源数据模式的局部本体,以及如何由局部本体与领域本体合并生成既符合公共概念模型标准又保留局部本体关系约束的全局本体。本次研究采用protege工具构造领域本体,将符合公共概念模型标准的领域本体作为全局本体的构建雏形；利用Hibernate反向工程抽取异构数据库的关系模式,转化生成OWL局部本体文件；开发Jena工具包来实现局部本体以及领域本体特征值的抽取,将其输入到相似度计算算法中进行概念关系映射,再读取上述的映射关系来实现全局本体的构建；本次研究对本体相似度计算算法进行了改进,改变了单纯依靠成熟知识体系的相似度计算方式,本文还对查询拓展与查询优化技术进行了研究,并通过测试证明了本文研究方法的优化效果。(本文来源于《北京邮电大学》期刊2015-03-09）
邱璇,李端明,张智慧[8]（2015）在《基于FCA和异构资源融合的本体构建研究》一文中研究指出[目的/意义]单一资源构建本体存在概念完整性和语义关系完整性的局限,为了满足用户对资源检索的个性化需求,综合FCA和异构资源各自的优势,采用异构资源构建本体的手段克服单一资源的局限。[方法/过程]以主题词表和Folksonomy数据集为数据源,各自构建形式背景,通过并迭置运算获得异构资源的形式背景,转换成概念格,从概念格中抽取概念模型,使用protégé工具和OWL语言构建实验本体。[结果/结论]通过词重率、增词率、漏词率3个参数,评估实验本体构建效果。实验结果表明,融合的本体有效地丰富了概念和概念间关系,比单一资源构建的本体更具有优势,为本体构建提供了一种新的可行方案。(本文来源于《图书情报工作》期刊2015年02期）
米延辉[9]（2015）在《一种面向异构数据源语义本体映射方法的研究》一文中研究指出随着在线教育系统之间资源共享的普及,系统相应的可用性、可交互性、可适应性也需要增强。这些学习资源采用本体对学习对象进行描述,由于各个系统采用不同的元数据标准,因此存在语义和结构不一致问题。本文构建网络化学习领域全局本体,通过各个系统的局部本体和全局本体的映射,消除异构问题,增强教育系统之间的互操作性和信息共享能力。为了解决全局和各个局部本体间的映射问题,本文提出一种语义本体分类映射框架SCOMF,它作为本体映射的核心组件对本体映射过程中的语义异构和模式级别的结构异构进行调节。其中,语义异构表现为命名冲突,结构异构主要包括4种类型,分别为泛化冲突、同构冲突、属性差异冲突和概念差异冲突。SCOMF模型采用分类的策略,针对不同的冲突类型定义相应映射规则,对于新增冲突很容易加入系统,降低了模型的耦合度。冲突调节采用Jena规则语言进行定义,并将本体映射规则存入Jena规则库,在本体映射过程中,SCOMF模型通过这些规则对本体映射过程中的冲突进行调节,从而消解语义异构和结构异构。用户可以根据全局本体中元数据的描述对学习资源检索而忽略教育系统之间的异构问题。首先,文中介绍了当前本体映射领域比较常用的算法:基于元素命名的算法、基于摘要的算法、基于实例(Instance)的算法、基于上下文环境的算法、基于属性的算法以及多策略综合算法。由于大部分映射策略主要解决命名冲突,而很少解决本体映射过程中出现的结构冲突。然后,针对当前本体映射存在的问题,本文提出了语义本体分类映射框架SCOMF,该模型主要解决本体映射过程中语义异构和结构异构问题。对于每一种冲突类型,采用Jena规则语言对冲突检测和解决规则进行定义。最后,采用真实数据集对本文提出的SCOMF模型进行验证,经实验验证,该模型可以很好地消解本体映射过程中的语义异构和部分模式级别的结构异构问题。(本文来源于《哈尔滨工程大学》期刊2015-01-01）
姚香菊[10]（2015）在《基于本体的异构数据集成技术的研究》一文中研究指出在信息科技飞速进步的今天，各类信息系统被普遍地使用。然而，因为信息平台的创建具有阶段性、目的性和分散性等，数据异构性问题随之产生。数据异构问题的存在导致了各信息系统之间的通信变得困难，信息难以得到有效的共享，信息孤岛现象普遍存在。为了适应信息社会的发展，使信息得到高速、有效的利用，就必须实现异构数据集成，现阶段要实现异构数据集成的当务之急就是解决语义异构问题。本文针对语义异构问题提出了基于本体的多策略相似度混合的方法。首先阐述了异构数据集成的概念、类型和目标，总结分析了几种现存集成方法的优缺点，详细介绍了本体及本体映射中的一些关键的技术及作用，提出了本文的集成系统的总框架，从用户应用层、中间集成层和异构数据层叁个层次对该系统进行了介绍。接着对数据集成中本体映射技术进行研究，着重对本体映射中的相似度计算方式进行研究。在对现有的映射算法进行了分析后，发现这些算法中普遍存在着计算量大、自动化程度低、通用性差和算法单一的问题，针对这些问题提出了W-NPSI映射系统，该系统包括概念特征提取模块、概念集筛选模块、多策略映射模块和结果处理模块：概念集筛选模块中提出了基于WordNet计算概念相关度的算法，根据词语在WordNet位置关系计算出词语相关度，进而推算出概念相似性而筛选出候选概念集的方法，解决计算量大的问题；多策略映射模块设计了自适应相似度聚合器，其中心思想是以自适应计算权值的方法，提高系统的自动化程度；多策略映射模块中提出了混合概念名称、属性、结构和实例四大特征相似度的多策略混合的算法，该方法能够有效地提高映射的效果和改善系统的通用性，并解决了算法单一的问题。最后，采用OAEI（OntologyAlignment Evaluation Initiative，本体一致性评估计划）提供的benchmark数据集来验证本文提出的基于多策略混合的映射算法。通过对实验结果的分析，证明该算法可以在保证查全率和查准率的同时，有效地减少计算量，降低算法的时间复杂度和空间复杂度。(本文来源于《东华大学》期刊2015-01-01）
本体异构论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
医学科学的发展,直接关乎我们人类的生命和健康,在大数据战略即将被纳入国家发展计划的今天,如何以数据创新探索未来的医学科学,如何在庞大的数据资源中快速获取信息、提升人类医疗集体经验,是亟待探讨的现实问题。我国的医疗信息化建设工作一直在持续开展中,但是一直以来各医疗机构的信息系统相对封闭、医疗卫生数据不能实现互联互通。我国新的医疗改革方案也提出了,要求建立信息可共享的医疗卫生信息系统,突出强调了实现医疗卫生数据的互操作性的重要地位。语义互操作性指的是两个或两个以上的系统或组件能够较好通信并且使用那些已经交换信息的能力,它能够确保异构系统均采用同样的规范解析和处理数据,确保对医疗卫生数据能够无歧义的理解、解析和使用。而在实现医疗数据分析和语义互操作性的第一步就是医疗数据的集成工作,在数据集成工作中,医疗数据以其数据类型复杂、数据量大、数据源间存在异构现象等特点,给医疗信息化发展带来了巨大阻碍,集成海量医疗异构数据是目前推进医疗信息化进程中亟待解决的问题。本文针对医疗数据源的特点以及异构数据的集成问题,提出了一种将语义的互操作性引入医疗数据集成工作的技术方案,该方案在医疗领域的数据仓库中将医疗本体相似度检测算法引入本体构建部分以进一步解决异构数据集成问题,主要内容如下:1.提出医疗领域本体构建方法:该方案首先通过不同的异构数据源提取结构信息,建立局部本体,并通过计算相似度进行局部本体间的本体融合,通过全局本体映射数据间关系,去除多语义,进而指导ETL过程;2.提出医疗相似度SDAMO算法:在该方案中,本文提出了一种适合于处理医疗领域数据的医疗本体相似度检测算法一SDAMO算法,该算法可在本体体积庞大的医疗领域本体中发挥作用,相对传统的相似度检测算法,该算法的准确度更好,更接近实际需要。3.提出医疗文本数据集成方案:对于无结构的文本数据的集成问题,本文在主流的文本分类算法基础上,通过引入SDAMO算法,引入语义信息,给出了一套对于文本数据的语义集成方案。最后,通过实验证明,以上方法在消除医疗领域数据语义不确定性方面表现良好,并能够提高医疗数据仓库中异构数据的集成效率,在解决医疗异构数据的集成问题上是实际可行的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
本体异构论文参考文献
[1].楼雯,王慧,鞠源.基于二值相似度计算的异构本体融合方法[J].情报学报.2019
[2].陆旭.基于本体的医疗异构数据集成研究与应用[D].天津工业大学.2019
[3].王顺.基于本体的多源异构数据融合方法的研究与应用[D].南京航空航天大学.2018
[4].孙成柱,陈威.基于本体的企业异构信息集成系统[J].福建电脑.2015
[5].阳其凯,王坚,凌卫青.基于本体和云服务的交通异构数据集成方法研究[J].高技术通讯.2015
[6].陆彬.基于本体的异构数据源检索技术研究[D].东南大学.2015
[7].黄洋.基于SSH架构与本体的异构数据集成技术研究[D].北京邮电大学.2015
[8].邱璇,李端明,张智慧.基于FCA和异构资源融合的本体构建研究[J].图书情报工作.2015
[9].米延辉.一种面向异构数据源语义本体映射方法的研究[D].哈尔滨工程大学.2015
[10].姚香菊.基于本体的异构数据集成技术的研究[D].东华大学.2015