导读:本文包含了本体分解论文开题报告文献综述及选题提纲参考文献，主要关键词:本体,模块抽取,原子分解,超图
本体分解论文文献综述
王昌龙,冯志勇,王鑫,饶国政[1]（2015）在《混合的本体原子分解方法》一文中研究指出原子分解是理解本体内部模块结构的有效途径。以局部化模块抽取为基本操作的原子分解方法可用于强表达力的SROIQ本体,但效率较低。基于有向超图的本体模型能够显式地反映原子的依赖关系,但只局限于弱表达力的EL本体。提出一种混合的原子分解算法,首先利用有向超图表示EL子本体,形成部分原子分解,利用模块抽取方法添加剩余非EL公理,得到本体的全部原子分解。以生物医学本体作为测试数据,实验表明,这种混合的原子分解算法能够有效减少运行时间。与传统的基于模块抽取的方法相比,原子分解效率平均提高6.7倍。(本文来源于《计算机工程与应用》期刊2015年16期）
黄霞[2]（2014）在《基于本体和奇异值分解的图像数据索引查询算法》一文中研究指出提出一种基于领域本体潜在语义索引和奇异值分解的图像数据查询算法,将查询扩展向量映射到潜在语义空间,根据相似度计算方法计算查询向量与图像文档之间的相似度,并将相似度大于阀值的文档作为检索结果降序排列返回给用户.该算法能更有效地提高图像检索的查准率和查全率.(本文来源于《电子学报》期刊2014年02期）
屈会芳[3]（2013）在《一种基于图遍历的本体分解方法》一文中研究指出针对传统本体分解方法时间复杂度高的问题,给出了一种基于图遍历的本体分解方法。该方法通过查询引擎获取本体的叁元组表示,即主体、谓词和客体,然后用RDF(资源描述框架)构建对应的本体图,图中节点对应主体和客体,边对应谓词,最后利用有向图的深度优先搜索对本体图进行遍历,从而实现本体分解。使用该方法进行本体分解,时间复杂度为线性的O(n+e)(n为本体图中顶点数,e为本体图中弧数),远小于传统方法的O(n2)。(本文来源于《西南科技大学学报》期刊2013年03期）
殷非[4]（2011）在《基于片段分解的多策略本体映射研究》一文中研究指出作为互联网未来的一个发展方向，语义Web的目标是让Web上的信息具有计算机可以处理的语义，从而真正的实现智能网络。本体作为一种领域知识概念化的方法，是实现语义Web的关键技术。然而，本体之间往往存在着异构性，这成为知识共享与交流的障碍。本体映射可以发现本体之间实体的对应关系，从而解决本体的异构问题。本文对已有的本体映射相关技术及文献进行了深入地研究与分析，设计了一种基于片段分解的多策略本体映射模型——NSIS模型。首先，针对目前的相似度计算方法未能充分而合理地利用实体概念间的语义关联信息这一问题，本文从概念之间的名称信息、语义信息、实例信息和结构信息四个角度出发，通过改进得到了一种多策略的相似度计算方法——NSIS，并对其中叁种单策略方法以及合并方法都进行了一定的改进。随后，本文将聚类分割的思想引入到本体映射过程中，在NSIS相似度值的基础上，改进了本体映射的方法，建立了一种更有效率的基于片段分解的映射机制。最后，利用OAEI组织提供的本体数据集进行实验。通过对比，证明本文提出的映射模型能够很好的完成映射任务，在OAEI的评价标准下，能够得到较高的查准率、查全率和F-Measure值。(本文来源于《西安电子科技大学》期刊2011-01-01）
李冠宇,刘洪军,王松,李琳[5]（2009）在《一种基于结构的本体分解方法》一文中研究指出RDF叁元组构成的图模型是本体表示方法的一种,主体和客体对应图中的结点,谓词对应图中的边。本文首先通过查询获取本体的叁元组表示,生成对应的图;然后对图做预处理,为不同种类的边设定不同的重要度值;使用社会网理论计算结点之间的依赖度,通过依赖图的分解达到本体分解的目的。本方法修正了基于结构的类层次分解算法,使得本体分解更加合理。(本文来源于《微计算机信息》期刊2009年09期）
尹康银,宋自林,石翌轶[6]（2008）在《基于本体的分布式查询分解算法研究》一文中研究指出针对相关领域数据分布在不同站点,数据源的准确定位是分布式语义查询系统的关键,提出子本体交叉递归推理方法,该方法利用子本体间相互交叉的特点,从增强子本体中获取隐含的查询结果,从而保证分布式查询的语义完整性,提高了查全率。在此基础上,将分布式RDF查询分解为多个查询片段的分解策略保证分布式语义查询模式的分布透明性。最后描述算法的详细设计过程,并分析时空复杂度,其结果分析表明算法具有较好的计算性能。(本文来源于《系统工程与电子技术》期刊2008年04期）
本体分解论文开题报告
（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：
提出一种基于领域本体潜在语义索引和奇异值分解的图像数据查询算法,将查询扩展向量映射到潜在语义空间,根据相似度计算方法计算查询向量与图像文档之间的相似度,并将相似度大于阀值的文档作为检索结果降序排列返回给用户.该算法能更有效地提高图像检索的查准率和查全率.
（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。
本体分解论文参考文献
[1].王昌龙,冯志勇,王鑫,饶国政.混合的本体原子分解方法[J].计算机工程与应用.2015
[2].黄霞.基于本体和奇异值分解的图像数据索引查询算法[J].电子学报.2014
[3].屈会芳.一种基于图遍历的本体分解方法[J].西南科技大学学报.2013
[4].殷非.基于片段分解的多策略本体映射研究[D].西安电子科技大学.2011
[5].李冠宇,刘洪军,王松,李琳.一种基于结构的本体分解方法[J].微计算机信息.2009
[6].尹康银,宋自林,石翌轶.基于本体的分布式查询分解算法研究[J].系统工程与电子技术.2008