导读:本文包含了本体抽取论文开题报告文献综述及选题提纲参考文献，主要关键词:关系数据库,本体,OWL,本体构建
本体抽取论文文献综述
朱峰[1]（2011）在《基于关系数据库的本体抽取研究与实现》一文中研究指出本体是一种能够在语义和知识层次上对信息系统进行描述的概念模型,主要应用在对知识的组织、表示和管理等方面。本体已经在信息系统的诸多领域中得到了广泛的应用,例如知识管理、信息检索、语义Web、电子商务以及智能信息系统集成等方面。为了充分利用本体模型的优势,极大促进信息系统之间的共享、交换和重用,建立已有知识系统的本体是首先要解决的问题。然而,本体构建是一项非常复杂而又繁琐的工作,目前的本体大多都是依赖领域专家手工构建的,这严重影响了本体构建的效率,使得本体开发周期较长。出于这个方面的考虑,本文以关系数据库作为数据源,提出了基于关系数据库的自动抽取本体的方法,以便缩短本体开发周期,提高本体构建效率。本文首先对关系模式和OWL本体模式进行分析,提出了一套关系模式与OWL本体模式之间的映射规则,根据这些规则构建初始的OWL本体。然后提出了结合以编辑距离计算的结构相似度和通过WordNet计算的语义相似度计算概念的综合相似度的方法,从而实现基于概念相似度的本体集成。同时,本文还提出一系列基于WordNet的方法来实现对初始本体的概念层次关系扩展和等价概念的扩展,提高了抽取本体的实用性和有效性。最后,本文在所做研究的基础上设计并实现了一个基于关系数据库的本体构建系统,该系统成功的完成了从关系数据库的本体抽取工作,有效减少了本体构建的时间,提高了本体开发效率。(本文来源于《重庆大学》期刊2011-04-01）
苗壮,刘剑豪,李杰,王智学[2]（2009）在《基于领域概念集的WordNet子本体抽取方法》一文中研究指出本体是语义Web的核心。手工构建本体是一个繁琐的工作,费时费力且易出错,半自动构建本体可减轻这种负担。分析了目前现有半自动本体构建方法,在此基础上提出本体抽取的方法,并以此构建领域本体。以领域术语词典为领域概念集,从WordNet中半自动抽取所需的领域本体。本体抽取方法可有效快速地构建领域本体,避开了传统半自动本体生成方法所需的深厚领域和专业知识。(本文来源于《江苏省系统工程学会第十一届学术年会论文集》期刊2009-10-01）
唐颖峰,周肆清[3]（2009）在《一种基于数据表元组的原始本体抽取方法》一文中研究指出在基于关系数据库的本体构建过程中,由数据表抽取的原始本体的质量直接影响到最终生成本体的质量,而传统的抽取方法中将单个数据表映射为单个本体概念的方法忽略了数据表中元组数据所提供的语义信息,造成抽取的原始本体质量不高的问题。本文提出一种了基于数据表的原始本体抽取方法。应用FCA(形式概念分析)方法对单个数据表的元组数据进行分析,形成概念格,进而产生原始本体。该方法使得数据表中的元组数据得到了有效的利用,提高了原始本体的抽取质量,有利于最终本体生成质量的提高。(本文来源于《计算机系统应用》期刊2009年02期）
陈哲,魏衍君[4]（2007）在《XML数据本体抽取算法研究》一文中研究指出XML只描述了文档的结构,却没涵盖数据的语义,而描述数据语义的本体语言不能直接对XML数据进行表述。针对这一问题,本文给出了从XML到RDF Schema的转换算法,使用RDF的正式传输格式RDF/XML作为媒介,通过编程以相当直接的方式把存储在标准XML中的数据转换成RDF,为语义Web环境下的智能处理提供了帮助。(本文来源于《河南科技大学学报(自然科学版)》期刊2007年05期）
赵天忠,苗壮,张亚非,陆建江,徐伟光[5]（2007）在《基于图模型的RDF/RDFS本体抽取方法》一文中研究指出为了提高RDF/RDFS本体中特定领域知识的利用效率,提出了一种从源本体中抽取出特定领域本体的算法。将RDF/RDFS本体抽象为图模型;根据RDFS推理规则生成RDFS本体图模型的闭包;应用图理论构建抽取算法,生成以特定领域术语词典中概念为节点的子图,得到所需的领域本体。抽取结果表明,该方法对于RDF层次的领域本体抽取有良好的适用性,可快速有效地构建特定领域本体。(本文来源于《解放军理工大学学报(自然科学版)》期刊2007年02期）
王珂[6]（2007）在《面向数据库的本体抽取与支持工具的研究》一文中研究指出本体作为一种能在语义和知识层次上描述概念的建模工具，可有效地解决知识工程中知识共享和重用两大重点问题。近几年本体已经成为人工智能领域的研究热点，主要研究本体表示、本体构建、本体集成、本体应用等。 为了重用和共享已有知识系统中的知识，首先需要获取针对已有知识系统的本体。目前本体大都由领域专家手工编辑生成，存在工程复杂、过分依赖专家、构建速度慢等缺点。为了克服以上缺点，本文在构建本体时利用了已有知识系统中的关系数据库资源，对基于关系数据库的本体抽取方法进行研究。 本文首先提出基于关系数据库的本体抽取方案，包括关系数据库资源提取、本体概念生成、概念之间关系标注和与已有本体进行集成四个过程。其中主要对概念生成过程进行研究，提出先从数据库资源生成阶段实体，再将阶段实体映射成本体概念的新构想。其中对阶段实体进行了形式化定义与描述，并对阶段实体生成方法及概念生成方法进行研究与讨论。 本文还对本体集成方法进行一定研究。本体集成过程为先利用聚类算法来找出相似概念，再利用启发式规则进行相似概念合并处理。这部分内容虽然没有进一步在应用中实现，但是对后续工作的改进奠定了基础。 最后，针对以上研究，开发出基于关系数据库资源的本体抽取系统，并且详细地介绍了系统的各个功能及实现流程。(本文来源于《大连海事大学》期刊2007-03-01）
刘文斌,谢强,张磊[7]（2006）在《多本体中子本体抽取的研究》一文中研究指出企业各部门中存在大量的知识源本体,在实际应用中,往往需要使用多个知识源本体的部分内容,即子本体。当前的子本体抽取方法大都是针对单一本体,分析了多本体中抽取子本体的主要问题,提出了一种可以从多本体中抽取所需子本体的有效方法。该方法降低了子本体抽取的复杂性。(本文来源于《计算机应用研究》期刊2006年03期）
本体抽取论文开题报告
（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：
本体是语义Web的核心。手工构建本体是一个繁琐的工作,费时费力且易出错,半自动构建本体可减轻这种负担。分析了目前现有半自动本体构建方法,在此基础上提出本体抽取的方法,并以此构建领域本体。以领域术语词典为领域概念集,从WordNet中半自动抽取所需的领域本体。本体抽取方法可有效快速地构建领域本体,避开了传统半自动本体生成方法所需的深厚领域和专业知识。
（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。
本体抽取论文参考文献
[1].朱峰.基于关系数据库的本体抽取研究与实现[D].重庆大学.2011
[2].苗壮,刘剑豪,李杰,王智学.基于领域概念集的WordNet子本体抽取方法[C].江苏省系统工程学会第十一届学术年会论文集.2009
[3].唐颖峰,周肆清.一种基于数据表元组的原始本体抽取方法[J].计算机系统应用.2009
[4].陈哲,魏衍君.XML数据本体抽取算法研究[J].河南科技大学学报(自然科学版).2007
[5].赵天忠,苗壮,张亚非,陆建江,徐伟光.基于图模型的RDF/RDFS本体抽取方法[J].解放军理工大学学报(自然科学版).2007
[6].王珂.面向数据库的本体抽取与支持工具的研究[D].大连海事大学.2007
[7].刘文斌,谢强,张磊.多本体中子本体抽取的研究[J].计算机应用研究.2006