共 5 条
基于两层向量空间模型和模糊FCA本体学习方法
被引：13
作者：
邢军
[1
,2
]
韩敏
[1
]
机构：
[1] 大连理工大学电子与信息工程学院
[2] 大连工业大学信息科学与工程学院
来源：
关键词：
本体学习;
模糊形式概念分析;
向量空间模型;
本体关系;
本体概念;
D O I：
暂无
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
本体是WWW进化为语义Web版本的瓶颈,手工构造本体费时费力,本体学习技术使得在文本中自动构造本体成为可能,但存在通用性差和准确性低等问题.提出以面向对象思想的分析方法为基础,把传统的单层文本向量空间模型(VSM)改进为2层向量空间模型(double vector space model,D-VSM),该模型不仅具有属性特性,而且还具有很强的关系特性.在此模型的基础上,引入模糊形式概念分析(fuzzy formal concept analysis,FFCA)本体学习技术.该技术充分考虑D-VSM模型中的数据分布特点,较好地解决本体学习通用性、本体关系获取等问题.基于上述方法实现一个本体学习工具,为本体的(半)自动构造提供有力的支持.
引用
收藏
页码：443 / 451
页数：9
相关论文