基于概念匹配的语义检索模型研究

传统的搜索技术,主要集中在关键字匹配方面,基本上没有涉及到语义层次,其查全率和查准率上都无法满足用户的需求;对于当前利用本体推理而实现语义检索的模型,对本体的完整性要求过高,检索范围也局限在某一特定领域;结合本体的知识,利用本体中概念之间关系,提出了一种基于概念匹配的语义检索模型,它减少了对本体完整性的过高要求和对本体的过分依赖,并在一定程度上实现了对用户查询的语义理解和概念区分,扩大了检索领域范围,提高了检索性能。     

基于消息语义相似度二分匹配的Web服务发现方法

随着Web服务数量的剧增,Web服务发现是目前面向服务的体系架构中的重要部分。并且成为Web服务研究的一个热点．笔者提出了一个基于语义匹配的服务发现方法．首先,在标准WSDL中进行本体相关的语义扩充,将服务操作中必要的信息进行语义映射,包括：Web服务操作名称以及服务操作的输入消息和输出消息．其次提出了一个基于消息语义相似度二分匹配的Web服务发现方法．实验表明该方法提高了服务发现的查全率和查准率,且具有良好的可伸缩性．最后得出结论：该方法使用WSDL标准规范而不是特定的Web服务语言或模型,因而易于实施;该方法提高了计算机自动发现服务的效率．     

基于综合语义度量的本体映射方法

在分析现有本体映射技术的基础上,采用基于本体图结构和启发式规则的本体映射方法实现了本体间一对一映射,最后通过选取实验对象进行测试,证明了本映射机制的可行性.     

基于 OWL-S的语义Web服务匹配算法

利用OWL-S web服务语义描述本体,引入领域本体,对Web服务进行语义描述、匹配.在传统的语义Web服务匹配算法的基础上进行改进,提高了Web服务匹配的查全率和查准率.     

基于语义的Web服务发现机制的研究

在对Web服务和领域本体研究的基础上,把语义网和Web服务相结合,提出了一个售票领域本体模型,用本体中丰富的关系表达传统Web服务所不能表达的语义,依据Web服务描述本身的特点,对基于语义的Web服务相似度计算方法进行了研究,提出了一种不同于关键字匹配的基于语义距离的Web服务匹配算法。     

基于语义的Web服务发现机制的研究

在对Web服务和领域本体研究的基础上,把语义网和Web服务相结合,提出了一个售票领域本体模型,用本体中丰富的关系表达传统Web服务所不能表达的语义,依据Web服务描述本身的特点,对基于语义的Web服务相似度计算方法进行了研究,提出了一种不同于关键字匹配的基于语义距离的Web服务匹配算法。     

基于散列的语义服务匹配算法

为提升服务匹配算法的性能,提出在散列过程中进行语义匹配。设计了基于框架的本体描述模型和支持多属性的服务描述模型。针对不同粒度模型子块的"约束结构"或"定义结构"设计散列函数,在按子块粒度递增的多重散列过程中完成服务匹配;设计了子块间的包容关系语义,并基于该语义进行散列冲突消解。理论分析表明该方法的匹配耗时指标为一区间常数。实验证明,该匹配策略相对于当前主流服务发现方法,提升查全率和查准率的同时,降低了匹配耗时;能快速建立支持高效服务组合的服务依赖关系图。     

语义Web服务匹配模型的研究与实现

以Web服务为组织形式的软件服务以及不同区域的服务匹配已成为现代化网络的一种主流应用模式,通过现有的研究基础把零散的语义Web服务按照要求进行有效复合、相容组合,可以实现不同组织的业务集成．本文主要结合Web服务的本体语言OWL—S的三个层面,深入到每层的服务匹配、服务质量的研究,提出的语义Web服务多层次匹配模型,旨在实现Web服务从功能、行为和数据结构的匹配．     

基于领域本体的概念格语义匹配

本体作为语义网的重要工具,是对共享概念模型的形式化规范说明.领域本体更是说明了一个领域特定的概念定义和概念之间的关系,提供该领域中发生的活动以及该领域的主要理论和基本原理等.提出了一种基于领域本体的概念格语义匹配方法,以提高匹配的精确度.     

语义描述的服务资源发现机制研究

基于语义描述的服务资源发现,针对网络和网格等服务资源,利用相似度算法,提出了基于语义匹配的服务资源发现算法,并综合考虑匹配机制,实现海量服务资源的快速、准确定位.模拟实验结果表明,语义描述的服务资源发现机制具有较高的查询精确率,有效地改善了传统服务资源发现精确度不高的问题.同时综合广泛资源服务查询和精确资源服务匹配机制,提高了服务资源发现效率.     

An ontology-based service matching strategy in grid environments

An efficicnt ontology based service searching scheme is put forward in this paper by introducing semantic information into grid systems. The ideas of ontology and OWL (Web ontology language) are applied to establish a uuiform abstract concept model and standardization for grid services. We propose a general framework of ontology-based service discovery sub-system, which includes ontology storage module, context based domain selection module and specific service matching module. Implementation policies are also presented in this paper.     

云制造环境下设计需求与服务匹配模式算法

针对云制造环境下设计需求与设计服务的特性,构建含有属性集、关系集和操作集的设计需求与设计服务数据结构。建立一种云制造环境下的设计需求与设计服务输入、分解、组合和输出匹配模式,研究了该模型的原子匹配、扩展匹配和产品匹配。针对匹配过程中输入、分解、组合和输出量化问题,采用语义概念相似度和循环递归设计结构匹配算法实现设计需求与设计服务智能匹配。最后,通过实验验证,表明该模式与算法的有效性和可行性。     

面向未来互联网的语义感知服务匹配算法研究

现今互联网由于网络本身的测量与感知能力薄弱,导致可管可控能力差,增强网络感知能力是未来互联网中解决管控问题的基础。因此,在未来互联网的研究中,将网络感知作为网络内部具有的重要功能,并且可为用户提供相应的感知服务。怎样快速、准确地为用户请求匹配出相应的服务是需要解决的关键技术。提出了一种基于本体论的感知服务语义匹配算法(perceived service matching algorithm,PSMA)。该方法根据用户的请求,通过语义匹配出符合用户请求的服务,并按服务相似度的大小返回匹配结果。测试实验结果说明,PSMA比基于关键字的匹配算法和基于相似度的语义匹配算法都具有更高的查全率和查准率。     

一种基于语义的组合服务模板推荐算法

为了实现组合服务的查找功能,提出了一种基于语义的组合服务模板推荐算法。用Web服务本体OWL-S和领域本体描述Web服务,将2个服务之间的语义相似度计算转化为加权二部图的最优匹配问题,利用改进的Kuhn-Munkres算法计算服务间的语义相似度;在此语义相似度的基础上提出一种基于语义的组合服务模板推荐算法。实验结果表明,提出的组合服务模板推荐算法可以快速地搜索出满足用户请求的组合服务模板。     

基于语义的模糊匹配探索与应用

提出了计算词与词之间的相似度，通过比较词语相似度来确定搜索到的信息是否属于某一类特定信息，从而实现基于语义的模糊匹配。实验结果表明，该方法较传统的精确匹配方法、模糊串匹配方法能更好地保存有用信息，提高了过滤结果的完整性和准确性。     

基于RFID位置语义的室内移动轨迹聚类算法

面向室内空间的移动轨迹聚类有利于发现室内热点和用户移动模式.针对室内环境在定位技术、距离度量等方面的特殊性,充分考虑室内移动轨迹的空间和语义特征,提出一种基于无线射频识别(radio frequency identi-fication,RFID)位置语义的室内移动轨迹聚类方法.该方法对原始轨迹提取特征点,可简化轨迹以降低算法时间复杂度;从空间形状和位置语义2个方面加权计算轨迹相似度,其中,空间相似度通过定义适用于室内三维空间的距离函数来计算,语义相似度计算基于最长公共子序列思想,并引入移动对象在轨迹点的到达时间和停留时间;利用线性表存储轨迹相似度,采用改进的层次聚类方法对移动轨迹进行聚类.实验结果表明,该方法能够有效地进行室内轨迹聚类并具有较高的效率.     

集成化服务链多目标全局优化模型与算法

基于集成化服务链网络模型和候选服务资源评价指标,建立集成化服务链的多目标全局优化模型,并提出一种基于改进多目标遗传算法的集成化服务链多目标全局优化算法。算法采用基于距离的无参数种群多样性度量算子,在适应值分配、精英保持和选择操作中均进行了种群多样性控制,能在满足多约束条件下同时优化多个目标,得到一组满足决策者不同主观偏好的Pareto全局最优解集。仿真实验表明算法具有全局收敛性并具有较好的解的质量和分布,能有效求解集成化服务链多目标全局优化问题。     

有噪条件下基于正则化模型的本体学习算法

对原有的正则化本体模型加以改进,分别从再生核希尔伯特空间及线性空间Rm出发,得到有噪或半监督学习框架下的新正则化求解模型,将计算模型的注意力集中到假设空间的设置上.实验表明,新算法对特定的应用领域具有较高的效率.