基于知識庫的本體學(xué)習方法的研究.pdf

1、本體是語義Web的核心，其學(xué)習算法逐漸成為語義Web的一個研究熱點。已有的本體學(xué)習工作集中在術(shù)語、同義詞、概念、分類體系和關(guān)系層，而公理層的研究很少。OWL DLP是能夠轉(zhuǎn)換為一階Horn邏輯的OWL DL子集，也是RDFS的超集。Horrocks等人的研究表明，OWL DLP覆蓋了大部分語義Web本體。本文選取OWL DLP的部分常用公理，構(gòu)造了本體學(xué)習的測試基準，并提出了一個基于關(guān)系的OWL DLP本體學(xué)習算法。 研究OWL

2、 DLP本體學(xué)習算法需要一個合適的測試基準，但現(xiàn)有的數(shù)據(jù)集都不太適合用于OWL DLP本體學(xué)習的評價，因此構(gòu)造學(xué)習OWL DLP本體的測試基準是一個全新的工作。它不僅可以滿足本文的需要，還可以為其他研究人員提供一個學(xué)習OWL DLP本體算法的公共測試平臺。本文構(gòu)造測試基準的方法是在現(xiàn)有的本體上，通過分離本體的概念層和實例層，得到本體學(xué)習所必需的訓(xùn)練樣例和評價學(xué)習結(jié)果所必需的黃金標準本體。當本體實例不能滿足學(xué)習要求的時候，使用定義生成規(guī)則

3、的方式自動生成實例，從而得到比較完備的測試基準。本文構(gòu)造出了4個測試基準，其中2個的訓(xùn)練樣例個數(shù)超過10萬。 為了驗證這4個測試基準是否可以為本體學(xué)習提供必需的訓(xùn)練樣例，本文提出了一個基于關(guān)系的OWL DLP本體學(xué)習算法。該算法首先基于關(guān)系學(xué)習從斷言集合學(xué)習一階Horn子句集，再將一階Horn子句集轉(zhuǎn)換為OWL DLP本體公理。在學(xué)習規(guī)則集時，本文改進了經(jīng)驗式ILP算法——FOIL算法，使其在沒有反例的情況下也能進行學(xué)習。然后通