Discovery-Driven Ontology Evolution Silvana Castano,Al?o Ferrara,Guillermo N.Hess
Dipartamento di Informatica e Comunicazione
Universit`a degli Studi di Milano
Milan,Italy20135
Email:{castano,ferrara,hess}@dico.unimi.it
Telephone:(39)025*******
Fax:(39)025*******
Abstract—In this paper,we present a methodology for ontology evolution,by focusing on the speci?c case of multimedia ontology evolution.In particular,we discuss the situation where the ontology needs to be enriched because it does not contain any concept that could be used to explain a new multimedia resource. The paper shows how ontology matching techniques can be used to enforce the discovery of new relevant concepts by probing external knowledge sources using both the information available in the multimedia resource and the knowledge contained in the current version of the ontology.
I.I NTRODUCTION
Ontology evolution regards the capability of managing the modi?cation of an ontology in a consistent way.An ontology may change because the domain or the user needs have changed[16]or simply because the shared conceptualization (i.e.,the perspective)has been modi?ed[13].According to[11],we can de?ne ontology evolution as the timely adaptation of the ontology to changing requirements and the consistent propagation of changes to the dependent artifacts. The problem of ontology evolution can be considered also as a special case of the more general and well studied problem of belief change as described in[5].In this respect,some of the most important concepts of the belief change literature have been revised in order to apply them to the ontology evolution context.A six-phase evolution process for ontology evolution has been proposed in[15]which is generally recognized as a comprehensive reference methodology capable of handling the evolution of multiple ontologies.
In this paper,we focus on a speci?c case of evolution, which is multimedia ontology evolution.In our approach,the ontology is used to provide an interpretation for the elements extracted from multimedia resources,such as images,textual documents,video and audio.Our approach is de?ned in the framework of the BOEMIE EU Project[1],where the reader can?nd further details about the semantic information extraction from multimedia resources as well as the whole evolution methodology.In the paper,we focus on the use of ontology matching techniques to support ontology enrichment when new knowledge is required to?nd an interpretation for a new resource.
The paper is organized as follows.In Section II we describe the requirements for ontology evolution.The methodology we propose for multimedia ontology evolution is presented in Section III.A discussion of the activity of concept discovery, together with an example is provided in Section IV.Section V presents the related work in the?eld of ontology evolution. Conclusions and future work are discussed in Section VI.
II.R EQUIREMENTS FOR THE ONTOLOGY EVOLUTION
In this paper,we address ontology evolution in a scenario where:
?Multimedia resources are considered,which have been already submitted to a semantic extraction process for associating them with appropriate metadata that describe their contents.Consequently,the ontology evolution is triggered by incoming multimedia resources with associ-ated metadata information.
?An initial domain ontology is available,providing a description of the domain of interest(in the worst case, also a high-level,poorly detailed description).Such an ontology is used also by the extraction process and will be continuously evolved so that the new ontology version is used as input for subsequent extraction and evolution activities,according to a bootstrapping process which is iterated until a satisfactory quality of multimedia resource classi?cation is reached.In the paper,we will consider the Athletics domain and we will discuss ontology evolution by providing some examples taken from this domain.?An open system approach is adopted,in that when back-ground knowledge in the underlying ontology is not suf-?cient to interpret new incoming multimedia resources,
a concept discovery activity is triggered to acquire new
knowledge from other external knowledge sources.This way,we try to limit the human involvement of the on-tology expert in the de?nition of new concepts,which is usually a manual and time consuming activity in ontology evolution[16].
Before introducing our evolution methodology,we introduce some basic de?nition used throughout the paper:
?A multimedia resource is any kind of multimedia object
(e.g.,image,video,sound)from which information is
extracted.
?Each individual extracted element from a multimedia resource is called a media object(e.g.,a portion of an image).
?With each media object some metadata are associated, which represent the semantic information that is extracted from the resource.
?A simple concept is a concept in the domain ontology which explains a media object in terms of metadata.?An aggregate concept is a concept in the domain on-tology which is de?ned as an aggregation of simple concepts,such as,for instance,an event.Furthermore, an aggregate concept is an explanation of the multimedia resource,that is an interpretation of the real event or object described in the resource.
To illustrate these concepts,we consider an evolution sce-nario in the Athletics domain characterized by the multimedia resource shown in Fig.1.In this case,four media objects (marked in the?gure)are identi?ed during semantic extraction which have associated metadata stating that:(1)is a foam mattress,(2)is a pole,(3)is an horizontal bar,and(4)is an athlete,respectively.Moreover,with respect to the event(i.e., aggregate concept)described by the image,we can recognize that all these media objects are part of a bigger picture,which describes a pole vault
event.
Fig.1.An example of multimedia resource
The metadata associated with the media objects of Fig.1 are shown in Table I.
TABLE I
M ETADATA ASSOCIATED WITH THE MEDIA OBJECTS OF THE MULTIMEDIA
RESOURCE OF F IG.1
Foam mat foam mat1
Pole pole1
Horizontal bar horizontal bar1
Athlete athlete1
With respect to this example,the domain ontology con-tains the aggregate concept Pole vault,while Horizontal bar, Foam mat,Athlete and Pole are simple concepts.The ac-tivity of classifying a new multimedia resource with respect to the ontology is,in this context,the activity of?nding an aggregate concept in the ontology capable of explaining the set of simple concepts detected in the multimedia resource semantic extraction.Such an activity is called interpretation of the multimedia resource,which can be performed by exploiting non-standard reasoning techniques[9].However, not always the interpretation process succeeds in determining an explanation for the resource in the ontology.In particular, depending on the background ontology knowledge and on the metadata information for the incoming resource,four cases are possible:i)one single aggregate concept explaining the multimedia resource semantics is found in the ontology;ii) more than one aggregate concept explaining the multimedia resource semantics are found in the ontology;iii)no aggregate concepts are found in the ontology capable of explaining the semantics of the multimedia resource,but all the simple concepts extracted from the resource are already de?ned in the ontology;iv)no aggregate concepts are found in the on-tology capable of explaining the semantics of the multimedia resource,and one or more simple concepts are missing in the ontology too.
These four scenarios produce two main classes of evolution patterns,namely population and enrichment,respectively(see Fig.2).In the following we brie?y describe these two classes of patterns.
Fig.2.The evolution patterns
?Population patterns:the domain ontology contains the aggregate concepts as well as all the simple concepts described by the media objects metadata extracted from the multimedia resource.In this case,only ontology population has to be performed.Ontology population is the activity of introducing new instances in the ontology
to describe the multimedia resource with respect to the
aggregate concepts already present in the ontology.?Enrichment patterns:The ontology does not contain concepts that can be used to explain the multimedia
resource.In this case,the ontology has to be enriched.
Ontology enrichment is the activity of de?ning new con-
cepts,properties,and/or semantic relations in the ontol-
ogy.Basically,the idea behind our approach to ontology
enrichment is to exploit the metadata available in the
multimedia resource description in order to discover new
aggregate concepts in external knowledge sources(e.g.,
other ontologies,web directories,lexical systems)that
can be added to the domain ontology in order to explain
the new multimedia resource.This activity is referred
as concept discovery and it is executed by exploiting
ontology matching techniques.
In this paper,we focus on the enrichment patterns and,in
particular,we describe the case when all the simple concepts
are already stored in the domain ontology,but the aggregate
concept is missing,in order to show how the ontology can be
enriched by the concept discovery activity.
III.M ETHODOLOGY FOR DISCOVERY-DRIVEN ONTOLOGY
EVOLUTION
In the evolution scenario discussed in the paper,the in-
terpretation of a multimedia resource produces a description
of the simple concept instances that are detected into the
resource(e.g.,the objects that appear into an image)but no
aggregate concept(e.g.,events)in the ontology can be found
that explain the resource itself.In this section,we describe
a methodology for ontology evolution in this scenario and
the role of ontology matching techniques in supporting the
identi?ed evolution phases.
A.The evolution phases
The goal of ontology evolution is to augment the back-
ground knowledge in the existing domain ontology to better
classify extracted object descriptions.The ontology is enriched
by adding concepts,properties,and/or semantic relations or by
modifying existing ones,in order to produce a new ontology
version capable of providing interpretation of the new multi-
media resource.
In order to detect the ontology modi?cations required for
explaining the new resources,we exploit the description of the
media objects extracted from the resources.This means that,
different from the usual evolution scenarios,in our case we
know from the interpretation phase that an aggregate concept
is missing in the domain ontology,but we do not know exactly
which one.We have the instance of the missing concept and
have to create an aggregate concept which explains it.
The evolution process is articulated in three phases,which
are explained in the following.
Temporary concept de?nition:the incoming instance and its
associated metadata information is used to de?ne a temporary
concept c t,which is matched against the domain ontology
to detect semantically related concepts already present in the ontology.This internal concept detection activity is optional and aims at?nding in the domain ontology some aggregate concepts which have semantic af?nity with c t to be used as the starting basis in the next phase.
Concept discovery:if internal concepts have been detected in the previous phase,for each retrieved matching concept c i in the ontology(i.e.,c i is semantically similar to the temporary concept c t)a probe query is created.Otherwise,the ontology expert has to de?ne the probe query manually,by exploiting his own domain knowledge and the information available in the de?nition of the temporary concept c t.A probe query is a description of the properties,the constraints,and the semantic relations that should be exhibited by the(actually missing) new concept in order to consider it as a candidate for ontology enrichment.The probe query is then matched against one or more external knowledge sources to discover some external concepts that could be useful to de?ne the new concept to be inserted in the ontology.
Ontology enrichment:this phase comprises the de?nition and insertion of the new(aggregate)concept in the domain ontology and also the validation of the resulting ontology. The de?nition of the new concept is interactively performed by the ontology expert,by exploiting the de?nitions of the temporary concept c t and of the external matching concepts retrieved during the concept discovery phase.Once the new aggregate concept has been de?ned,the ontology expert inserts it in a proper position in the ontology taxonomy.The task of ?nding the most suitable placement of the new concept in the ontology taxonomy is performed by combining ontology matching techniques and ontology reasoning,as described in[2].Finally,the evolved ontology is validated by means of standard reasoning techniques[6].
B.Ontology matching for concept discovery
As described in the previous section,ontology matching techniques play an essential role in the ontology evolution process.In temporary concept de?nition,the temporary con-cept can be compared against the existing ontology to?nd internal matching concepts that can help the probe query formulation activity.In concept discovery,a probe query is compared against external knowledge sources with the goal of?nding potentially relevant knowledge.To perform these concept comparisons,we rely on our semantic matchmaker H-M ATCH developed in the framework of the H ELIOS project for matching independent peer ontologies[3].H-M ATCH takes a target concept description c and an ontology O as input and returns the concepts in O which match c,namely the concepts with the same or the closest intended meaning of c. In H-M ATCH we perform concept matching through af?nity metrics by determining a measure of semantic af?nity in the range[0,1].A threshold-based mechanism is enforced to set the minimum level of semantic af?nity required to consider two concepts as matching concepts.Given two con-cepts c and c ,H-M ATCH calculates a semantic af?nity value SA(c,c )as the linear combination of a linguistic af?nity value LA(c,c )and a contextual af?nity value CA(c,c ).The
linguistic af?nity function of H-M ATCH provides a measure of similarity between two ontology concepts c and c computed on the basis of their linguistic features(i.e.,concept names). For the linguistic af?nity evaluation,H-M ATCH relies on a thesaurus of terms and terminological relationships auto-matically extracted from the WordNet lexical system[12]. The contextual af?nity function of H-M ATCH provides a measure of similarity by taking into account the contextual features of the ontology concepts c and c .The context of a concept can include properties,semantic relations with other concepts,and property values.The context can be differently composed to consider different levels of semantic complexity, and four matching models,namely,surface,shallow,deep,and intensive,are de?ned to this end.In the surface matching,only the linguistic af?nity between the concept names of c and c is considered to determine concept similarity.In the shallow, deep,and intensive matching,also contextual af?nity is taken into account to determine concept similarity.In particular, the shallow matching computes the contextual af?nity by considering the context of c and c as composed only by their properties.Deep and intensive matching extend the depth of concept context for the contextual af?nity evaluation of c and c ,by considering also semantic relations with other concepts (deep matching model)as well as property values(intensive matching model),respectively.The comprehensive semantic af?nity SA(c,c )is evaluated as the weighted sum of the Linguistic Af?nity value and the Contextual Af?nity value, that is:
SA(c,c )=W LA·LA(c,c )+(1?W LA)·CA(c,c )(1)
where W LA is a weight expressing the relevance to be given for the linguistic af?nity in the semantic af?nity evaluation process.A detailed description of H-M ATCH and related matching models is provided in[3].
IV.C ONCEPT DISCOVERY AND ONTOLOGY ENRICHMENT In this section,we describe in more detail how concept dis-covery and ontology enrichment are performed,with respect to the jumping example of Fig.1.
A.Concept discovery
The concept discovery activity is articulated in the following steps:
1)Given a multimedia resource r and the set M of media
objects that have been extracted from r,we build a temporary target concept c t.The context of c t(i.e., the set of properties,restrictions,and semantic relations featuring c t)is composed by exploiting the metadata associated with M,that is the set of simple concepts S explaining objects in M,that is,
S={c i∈O|?m i∈M,m i:c i}
where O denotes the ontology.
2)We use H-M ATCH to match c t against the existing
domain ontology.Since c t is not featured by a name,
H-M ATCH is executed by exploiting only the contex-tual af?nity matching techniques.In fact,contextual matching considers only the contextual af?nity between the concepts to be compared without considering their names.The goal of this activity is to exploit the concepts already inside the ontology which are similar to c t,and which are featured by a name,to trigger the concept discovery phase.In other terms,we know that the missing concept is similar to something that is already known in the ontology,and we exploit this similarity between the ontology(what we know)and the external knowledge sources(what is known in other sources)in order to learn new concepts to be added to the ontology.
3)For each concept c i whose af?nity with c t is higher
than a threshold t,we build a probe query q i.Each probe query q i is matched against external knowledge sources using H-M ATCH.The result is a set of external candidate concepts returned by the matching process whose semantic af?nity is higher than or equal to a given matching threshold.Retrieved concepts are then made available to the ontology expert,who can exploit them to de?ne the new concept to be added to the ontology. function conceptDiscovery(Extracted_Metadata){
Vector probeQueries=null;
Vector candidateConcepts=null;
TemporaryConcept ct=createConcept(Extracted_Metadata);
foreach Concept c in Ontology{
if(hmatch.contextualMatch(ct,c)>=threshold){
probeQueries.add(c);
}
foreach ProbeQuery q in probeQueries{
foreach Concept e in ExternalKnowledgeSource{
if(hmatch.match(q,e)>=threshold){
candidateConcepts.add(e);
}
}
}
}
return candidateConcepts;
}
Fig.3.Concept discovery algorithm
In order to discuss an example of concept discovery,con-sider the multimedia resource shown in Fig.1and the media objects marked in the?gure.Then suppose that the domain on-tology contains information about jumping events,as de?ned in Fig.4.The concepts graphically represented by a white box(i.e.,Sport event,Athletic event,Jumping event and High jump)represent aggregate concepts,while gray boxes (e.g.,Foam mat,Pole,Horizontal bar,Athlete)represent simple https://www.doczj.com/doc/3012801402.html,position dependencies among simple and aggregate concepts are represented by means of dashed arrows. In the right side of the?gure,the corresponding Description Logics speci?cation is reported.
The?rst step of concept discovery is the creation of the temporary concept c t,starting from the incoming resource information,as shown in Fig.5.
The de?nition of c t is based on the analysis of the metadata associated with the multimedia resource,that are shown in
Athlete≡P erson ?hasP rofession.Sport
F oam mat SportEquipment
P ole SportEquipment
Javelin SportEquipment
Horizontal bar SportEquipment
Jumping event Event
High Jump Jumping event
?hasP art.Jumper
?hasP art.Horizontal bar
?hasP art.F oam mat
Fig.4.The domain ontology before evolution
c t ?hasP art.Jumper
?hasP art.Horizontal bar
?hasP art.F oam mat
?hasP art.P ole
Fig.5.The temporary concept c t de?nition from the metadata of Table I Table I.In particular,since the media object retrieved in the resource are considered as components of an unknown concepts that should be added in the ontology,we de?ne on c t a hasP art restriction for each simple concept of Table I. The temporary concept c t describes the features(in terms of restrictions)of the required target concept.However,we do not have neither a name for c t nor any semantic relation among it and other concepts in the ontology.Because of this,if we match c t against the external knowledge source,we could not?nd relevant candidate concepts.In order to address this problem,we enrich the de?nition of c t by exploiting the name and the context of other concepts,if any,in the ontology that are semantically similar to c t.Since a name is not available for c t,only the contextual matching is performed.In the case of the example,H-M ATCH evaluates the following semantic af?nity values in the ontology of Fig.4:SA(Athlete,c t)= 0.45,and SA(High Jump,c t)=https://www.doczj.com/doc/3012801402.html,ing the H-M ATCH default threshold of0.5,only the High jump concept is actually selected for probe query composition.Having the High jump concept retrieved,we now create one probe query for High jump(i.e.,q1)to be compared against external knowledge sources.In our example,we use the Google and the Y ahoo sports directories as external knowledge sources. The probe query q1contains a description of High jump, which is composed by the name of the concept and by its context,i.e.,by the restrictions de?ned on it and by its super-classes and subclasses.The result of matching q1against the Google and Y ahoo external sources is shown if Fig.6,where matching concepts are shown together with corresponding semantic af?nity values.
All the11candidates concepts shown in Fig.6are returned to the ontology expert.High jump is discarded,since it is already present in the domain ontology.B.Ontology enrichment
Based on the matching concepts de?nitions retrieved during the concept discovery phase,on the incoming temporary concept c t and on the domain ontology,the ontology expert begins the concept de?nition activity for ontology enrichment.
A new aggregate concept is de?ned using the simple concepts available in the domain ontology.If some simple concept is needed which is not yet described in the ontology,it is also de?ned.In the example,the ontology expert chooses to add the Pole Vault concept,on the basis of the information provided by the two web sources and on the fact that Pole Vault is retrieved in both the external sources.Concept de?nition is a manual activity,in that the ontology expert must specify all the properties and restrictions of the new concept.In our approach, the amount of manual activity is reduced in that the ontology expert works directly on the concepts speci?cations retrieved during the discovery activity,by properly integrating/merging those considered more relevant.Once the new concept is de?ned,the ontology expert inserts it into the ontology,which means that the appropriate location in the ontology hierarchy has to be found.To this end,the ontology expert may use H-M ATCH to locate a possible insertion point for the new concept and a reasoner to validate the new resulting version of the ontology[2].Fig.7show the de?nition of the new aggregate concept Pole vault from our example.
V.R ELATED W ORK
Ontology evolution research work has mainly focused on the problem of evaluating the impact of requirement changes on the ontology contents[8].In[10],the authors present a framework for ontology evolution and change management based on an ontology of change operations with the aim of providing a formal description of the ontology modi?cations required to perform a given evolution task.The ontology of change operations is de?ned for the OWL knowledge model and contains basic change operations and complex change operations.A basic operation describes the procedure of mod-ifying only one speci?c feature of the OWL knowledge model (e.g.,type and cardinality restriction change),while a complex operation describes an articulated change procedure and is
Fig.6.Sample of probe query
evaluation
Athlete≡P erson ?hasP rofession.Sport
F oam mat SportEquipment
P ole SportEquipment
Javelin SportEquipment
Horizontal bar SportEquipment
Jumping event Event
High Jump Jumping event
?hasP art.Jumper
?hasP art.Horizontal bar
?hasP art.F oam mat
P ole vault Jumping event
?hasP art.Jumper
?hasP art.Horizontal bar
?hasP art.F oam mat
?hasP art.P ole
Fig.7.The domain ontology after evolution
composed of multiple basic operations.With respect to these classi?cation of changes,the requirements that an ontology management tool should address for ontology evolution are discussed in[17].In particular,the authors emphasize that such a tool should provide a set of evolution operations according to the supported ontology models(functional requirement) and that changes should be discovered semi-automatically by analyzing user behavior(re?nement requirement).During the evolution process,the tool has to re?ect the user preferences (user supervision requirement)by providing advanced facili-ties,such as change-visualization and inconsistency detection (transparency and usability requirements).Moreover,history of changes needs to be supported to eventually undo any change applied to the ontology(auditing and reversibility requirements).The recent success of distributed and dynamic infrastructures for knowledge sharing has raised the need of semiautomatic/automatic ontology evolution strategies.An overview of some proposed approaches in this direction is presented in[4],even if limited concrete results have appeared in the literature.In most recent work,formal and logic-based approaches to ontology evolution are also being proposed. In[7],the authors provide a formal model for handling the semantics of change phase embedded in the evolution process of an OWL ontology.The proposed formalization allows to de?ne and to preserve arbitrary consistency conditions(i.e., structural,logical,and user-de?ned).
A six-phase evolution methodology has been implemented within the KAON[14]infrastructure for business-oriented ontology management.The ontology evolution process starts with the capturing phase,that identi?es the ontology modi?-cations to apply either from the explicit business requirements or from the results of a change discovery activity.In the
representation phase,the identi?ed changes are described in a suitable format according to the speci?cation language of the ontology to modify(e.g.,OWL).The effects of the changes are evaluated in the semantics of change phase,where the ontology consistency check is also performed.Due to the fact that an ontology can reuse or extend other ontologies (e.g.,through inclusion or mapping),the propagation phase ensures that any ontology change is propagated to the possible dependent artifacts in order to preserve the overall consistency. The subsequent implementation phase has the role to log all the performed changes in order to support the recovery facilities that in the?nal validation phase are provided to reverse an ontology change in case that an undesired effect occurs.
With respect to the state of the art on ontology evolution, the original contribution of the presented approach is an evolution methodology tailored to provide a semi-automated support to the new concept detection and de?nition activities, which are conventionally the most human-intensive activities. In particular,we address the problem of semi-automatically discovering the new concepts required in the ontology to describe new multimedia resources by exploiting ontology matching techniques.
VI.C ONCLUSION
In this paper,we have presented a methodology for sup-porting the ontology enrichment activity in the context of multimedia ontology evolution.This problem and its peculiar requirements,is one of the main research issues addressed in the BOEMIE[1]project,where the discovery approach presented in the paper is studied.The original contribution of the work is focused on the role of ontology matching techniques with respect to the ontology evolution scenario. We have shown how ontology matching can support the ontology expert in retrieving new concepts to be added in the ontology.In the concept discovery activity,the use of matching techniques reduces the manual effort required to the ontology expert,by suggesting a set of alternatives(candidate concepts) for the de?nition of the new concept.Our future work will be devoted to:i)implement and test a software tool for supporting the whole discovery process;ii)study the problem of de?ning a new concept out of the speci?cations of retrieved matching concepts,by exploiting a combination of matching and reasoning techniques;iii)to investigate the problem of storing and maintaining the mappings retrieved among the ontology concept and the external knowledge sources,in order to reuse the results of an activity of concept discovery in subsequent stages of ontology enrichment.
A CKNOWLEDGMENT
This work is founded by the BOEMIE Project,FP6-027538 -6th EU Framework Programme.The authors would like to thank the partners of the BOEMIE project for providing the pictures for the examples.
R EFERENCES
[1]BOEMIE Project,“Bootstrapping ontology evolution with multimedia
information extraction,”IST-2004-2.4.7Semantic-based Knowledge and Content Systems Proposal,2004.
[2]S.Castano,A.Ferrara,and S.Montanelli,“Evolving open and inde-
pendent ontologies,”Journal of Metadata,Semantics and Ontologies, 2006.
[3]——,“Matching ontologies in open networked systems:Techniques and
applications,”Journal on Data Semantics(JoDS),vol.V,2006.
[4]Y.Ding and S.Foo,“Ontology research and development.part2-
a review of ontology mapping and evolving,”Journal of Information
Science,vol.28,no.5,pp.375–388,2002.
[5]G.Flouris, D.Plexousakis,and G.Antoniou,“Evolving ontology
evolution.”in SOFSEM,ser.Lecture Notes in Computer Science,J.Wie-dermann,G.Tel,J.Pokorn′y,M.Bielikov′a,and J.Stuller,Eds.,vol.
3831.Springer,2006,pp.14–29.
[6]V.Haarslev and R.M¨o ller,“Description of the RACER system and its
applications.”CEUR Electronic Workshop Proceedings,https://www.doczj.com/doc/3012801402.html,/V ol-49/,2001,pp.132–141.
[7]P.Haase and L.Stojanovic,“Consistent evolution of owl ontologies.”in
ESWC,ser.Lecture Notes in Computer Science,A.G′o mez-P′e rez and J.Euzenat,Eds.,vol.3532.Springer,2005,pp.182–197.
[8]P.Haase and Y.Sure,“State-of-the-art on ontology evolution,”
Institute AIFB,University of Karlsruhe,SEKT informal deliverable 3.1.1.b,2004.[Online].Available:http://www.aifb.uni-karlsruhe.de/WBS/ysu/publications/SEKT-D3.1.1.b.pdf
[9]J.R.Hobbs,M.Stickel,D.Appelt,and P.Martin,“Interpretation as
abduction,”Arti?cial Intelligence Journal,vol.63,pp.69–142,1993.
[10]M.Klein and N.Noy,“A component-based framework
for ontology evolution,”2003.[Online].Available:https://www.doczj.com/doc/3012801402.html,/article/klein03componentbased.html
[11] A.Maedche,B.Motik,L.Stojanovic,R.Studer,and R.V olz,“An
infrastructure for searching,reusing and evolving distributed ontologies,”
in WWW.ACM,2003,pp.439–448.
[12]https://www.doczj.com/doc/3012801402.html,ler,“WordNet:A Lexical Database for English,”Communica-
tions of the ACM(CACM),vol.38,no.11,pp.39–41,1995.
[13]N.F.Noy and M.Klein,“Ontology evolution:Not the same as schema
evolution,”Knowl.Inf.Syst.,vol.6,no.4,pp.428–440,2004. [14] D.Oberle,R.V olz,B.Motik,and S.Staab,“An extensible ontology
software environment,”in Handbook on Ontologies,ser.International Handbooks on Information Systems,S.Staab and R.Studer,Eds.
Springer,2004,ch.III,pp.311–333.
[15]L.Stojanovic,A.Madche,B.Motik,and N.Stojanovic,“User-driven
ontology evolution management,”in European Conf.Knowledge Eng.
and Management(EKAW2002).Springer-Verlag,2002,p.285300.[On-line].Available:http://wwwred.fzi.de/wim/publikationen.php?id=804 [16]L.Stojanovic,A.Maedche,N.Stojanovic,and R.Studer,“Ontology
evolution as recon?guration-design problem solving.”in K-CAP,J.H.
Gennari,B.W.Porter,and Y.Gil,Eds.ACM,2003,pp.162–171. [17]L.Stojanovic and B.Motik,“Ontology evolution within ontology
editors,”in OntoWeb-SIG3Workshop at the13th International Conference on Knowledge Engineering and Knowledge Management EKAW2002;Siguenza(Spain),30th September2002,2002.[Online].
Available:http://km.aifb.uni-karlsruhe.de/eon2002/program.html
ontology的释译 【摘要】ontology是西方哲学的奠基性范畴，通过对其起源及国内哲学界释译梳理发现，国内外学者对它的翻译和诠释存在诸多争议。由此，笔者认为，当代国内哲学界对西方哲学某些精深部分的把握，并非如我们想象的那样容易。 【关键词】ontology；诠释；翻译；哲学 ontology这个词在国内外的解释翻译甚多，它的研究对象、任务含有多义性，有点不可言说的味道，但我们还要说。为此要把哲学史上和国内近现代关于它的研究理顺一下，方便我们探讨。 一、ontology的产生及定义 最先构成ontology的是德国人郭克兰纽，像一部分表示学科的词语一样，它也是由希腊文构成的。如biology，sociology这类词分别由词干bio、socio结合词尾-logy构成，ontology是由onto加上-logy构成，显而易见是关于onto 的学问。虽名称出现，但具体的定义、概念却没出现。我们读到关于ontology的定义，见于黑格尔的《哲学史讲演录》
--本体论，论述各种抽象的、完全普遍的哲学范畴，如"有" 以及"有"之成为一和善，在这个抽象的形而上学中近一步产 生出偶性、实体、因果、现象等范畴。 再看"百科全书"关于ontology的定义，笔者按俞宣孟对《不列颠百科全书》（第15版）中的ontology的翻译：关于"是"本身，即关于一切实在的基本性质的理论或研究。这个术语直到17世纪时才首次拼造出来，然而本体论 同公元前4世纪亚里士多德所界定的"第一哲学"或形而上学 同义，由于后来形而上学包括其他的研究（例如，哲学的宇宙论和心理学），本体论就毋宁指对"是"的研究了。本体论在近代哲学中成为显学，是由于德国理性主义者克里斯蒂?沃 尔夫，以他看，本体论是走向关于诸"是者"之本质的必然真 理的演绎的学说。而他的伟大的后继者康德却对作为演绎体系的本体论、以及作为对上帝的必然存在所作的本体论证明，作了重大影响的排斥。由于20世纪对形而上学的革新，本 体论或本体论的思想又变得重要起来，主要表现在现象学家以及存在主义者中，其中包括海德格尔。 另一份资料来自《美国大百科全书》如下： 形而上学的一个分支，它研究实在本身，这种实在既是与经验着他的人相分离，又是与人对于他的思想观念相分离。这个术语由克里斯蒂?沃尔夫导入，以指界乎研究世界的起 源与结构的自然哲学和研究心灵的精神哲学或心理学之间
网络游戏公司简介范文3篇 网络游戏公司简介范文3篇 网络游戏指以互联网为传输媒介，以游戏运营商服务器和用户计算机为处理终端，以游戏客户端软件为信息交互窗口的旨在实现娱乐、休闲、交流和取得虚拟成就的具有可持续性的个体性多人在线游戏。下面是网络游戏公司简介范文，欢迎参阅。 网络游戏公司简介范文1 边锋网络游戏是201X年8月整合入盛大网络旗下的边锋游戏和201X年12月整合入盛大网络旗下的游戏茶苑两家中国领先的棋牌游戏公司合并运营而成的。201X年边锋公司购回了盛大持有的股份，独自进行边锋网络游戏的运营，运营的游戏平台有： 纸牌类，如： 德清点子、五人原子、四人斗地主、原子、六扣、双扣、三扣 一、跑得快、斗地主、德州扑克、升级、红五等; 棋类，如： 三英战吕布、军旗翻翻棋、爆笑四国、陆战棋、黑白棋、双飞棋、五子棋、飞行棋等; 骨牌类，如： 新沈阳麻将、丽水麻将、富阳麻将、合肥麻将、德阳麻将、攀枝花麻将、自贡麻将、杭州麻将等; 对战类，如： 台球、对对碰、宇宙方块、斯诺克、疯狂火箭、俄罗斯方块、挖哈哈、连连看等。
桌游类，如： 三国杀online等等 201X年4月，盛大又将边锋连同浩方以35亿元的高价出售给浙报传媒集团，其中，浙报传媒为边锋估值3 1.8亿人民币，而盛大当年收购边锋的总代价为201X万美元，约合 1.64亿元人民币，8年之间，边锋增值30多亿元。 据浙报传媒公告显示，201X年杭州边锋营业收入4亿元，净利润 1.44亿元;201X年营业收入 6亿元，净利润9946万元。 网络游戏公司简介范文2 上海盛大网络发展有限公司 盛大文学通过整合国内优秀的网络原创文学力量，推动纸质书出版，加强第三方版权内容的数字化运营，构建全球领先的正版数字书城，旨在推动数字出版，引领数字阅读潮流，为消费者提供包括数字图书、网络文学、数字报刊等数字商品。并依托原创故事，推动实体出版、影视、动漫、游戏等相关文化产业的发展。 盛大在线作为专为无物流的文化和虚拟产品提供数字出版的服务平台，致力于提供基于云计算服务的综合解决方案。通过完善的统一登录、计费、内容分发、广告营销、搜索、客户关系服务等，为广大互联网用户和企业获取数字内容产品提供优选渠道和专业化的用户服务体系。 盛大游戏是中国领先的网络游戏开发商、运营商和发行商，致力于打造中国乃至全球领先的网络游戏平台。盛大游戏拥有201X多名自
优秀学生个人简历 姓名:XXX 性别：男 就读专业：人力资源 学号：XXX 宿舍号：6-626 籍贯：江苏省昆山市 出生年月：90.1 政治面貌：团员 原毕业学校：江苏省昆山市亭林中学 联系电话：xxx 在校期间任职情况： 时间班干部职务学生会职务 2005.9~2006.1（高一.上）劳动委员—— 2006.3~2006.6（高一.下）劳动委员劳动卫生部长2006.9~2007.1（高二.上）副班长兼劳动委员学生会主席2007.3~2007.6（高二.下）班长兼劳动委员学生会主席2007.9~2008.1（高三.上）副班长兼劳动委员学生会主席2008.3~2008.6（高三.下）劳动委员——
总结： 班干部方面：通过三年的班干部工作，给自己在管理能力等方面得到了很大的锻炼，也从中吸收了很多经验，平时工作时能积极主动配合班主任，勤沟通，认真贯彻、执行各项计划和决定，能发动、组织、带领全班同学开展各项活动，并且与学生相处友好。 学生会干部方面：能熟练地主持学生会日常工作及学生会的会议，对学生会的工作十分熟悉，能出色地完成学校下派的各项任务，曾多次被评为校级、昆山市级“优秀学生干部”称号，也夺得了学校领导老师及广大学生的一致好评。 在校期间所获荣誉： 时间奖项 2006年度第一学期在“班十佳”评选中获“班级工作好”称号； 2006年度第二学期获校“优秀学生干部”称号； 2006年度第二学期在优秀学生会干部评选中获“优秀学生会干部”； 2007年度第一学期获校“三好学生”； 2007年度第二学期在“班十佳”评选中获“班级工作好”称号； 2007年度第二学期获校“三好学生”； 2007年度第二学期在优秀学生会干部评选中获“优秀学生会干部”； 2007年6月被评为昆山市“优秀学生干部”； 2008年度第一学期获校“优秀学生干部”称号； 2008年3月在昆山市青少年法制宣传教育活动中，被评为“百佳学法小标兵”；
快递公司简介范文 中国快递行业目前处于国内快递行业和国际快递巨头竞争激烈的环境中，相对国际快递巨头，中国民营快递公司处于比较弱势，中国国内快递企业多争夺于底端市场。中国快递业务发展程度还很低，现在得快递业务量还不到GDP的0.3%，与发达国家达到GDP的1%左右相比差距很大。下面是快递公司简介范文，欢迎参阅。 快递公司简介范文1 80后快递服务有限公司，是以服务为主体的公司。服务的范围包括有同城快递，物流配送，年节送礼，同行调货，门市宅长期配送服务。另外我们还计划推出80后商务套餐。以满足江城商务迅猛发展的快捷生活需求。 公司名称：武汉80后快递服务有限公司所属行业：快递，服务业企业性质：集体企业成立日期：20xx-4-30武汉80后快递服务有限公司公司的服务网络计划在两个月内完成建设，下一步招募专业人员组建一个为80后为主要人群服务的心理援助中心，帮助解决80后为主要人群在工作，学习，生活，恋爱，婚姻及家庭子女教育中遇到的各种问题。 快递公司简介范文2 申通快递 公司注册商标为“STO+申通”，注册编号为1379930。主要承接非信函、样品、大小物件的速递业务。20xx年3月公司通过ISO9001:20xx国际质量管理体系认证。 公司奉行“团结、务实、开拓、创新”的企业精神，“快速、准确、安全、周到、”的服务方针公司经营十余年来，已深得广大客户的信任和支持。 公司自1993年成立以来，在董事长、总经理陈德军的正确领导下，在广大客户的支持和关怀下，在全体员工的艰苦奋斗和顽强拼搏下，先后荣获上海市松江区民营企业20xx至20xx年度的《信得过企业》、《先进企业》荣誉称号;20xx年，公司荣获《中国物流十大影响力品牌》称号，公司董事长、总经理陈德军先生个人荣获《中国品牌建设十大杰出企业家》荣誉称号。 申通快递介入电子商务配送业务已经开始起步，并计划为新业务斥资千万，一套全新的标准化流程和服务标准已经设计完毕，软件系统也已具备代收货款功能，与几大电子商务网站的谈判正在进行。
优秀学生个性自我介绍范文 在校学生个性的自我介绍 不负所望，本人是一个性格开朗的人，很喜欢笑，很喜欢与人沟通，交朋友，对每一件事物都很热情，责任感较强。可能是因为基因的遗传，本人特别爱好于体育，特别是羽毛球，篮球等。很高兴能参加三下乡，希望在这个义工活动中认识许多不同的朋友和让我得到实践的经验。 我是来自计算机技术系08软件技术web的周燕玲。出生的时候是在炎热的天气，那时有许多的小燕子落在屋檐上一唱一和，就改了“燕”字，可能是因为家人都希望我长大后是一位玲珑，活泼开朗的女孩，所以就改了“玲”字。从小到大，我都很喜欢这个名字，因为这是我的亲人给我的一种期望，真的感谢他们所赋予给我的。 不负所望，本人是一个性格开朗的人，很喜欢笑，很喜欢与人沟通，交朋友，对每一件事物都很热情，责任感较强。可能是因为基因的遗传，本人特别爱好于体育，特别是羽毛球，篮球等。很高兴能参加三下乡，希望在这个义工活动中认识许多不同的朋友和让我得到实践的经验。 以上是我的自我介绍，希望大家能够多方面地了解我，并且在工作中多多关照，谢谢! 小学生个性自我介绍范文 Hello!大家好，我叫王晓，现在在xx市xx小学五年级学习。 我有一张圆圆的脸，一双乌黑的眼睛，短头发。我今年12岁了，
不小了吧?却总也脱不掉那满脸的稚气。 我的爱好就是爱看书。说起看书，我还有一段小故事呢!那天，我看见我的一个同学买了一本《苦儿流浪记》，这本书我已经向往了许久，可是爸爸始终没有答应我的要求。我的自尊心很强，从小到大几乎没有央求过别人，这次，我硬着头皮，只好向他去借。谁知，他说可以是可以，可得拿动物图书跟与交换，我只好把书给他，向他要了那本《苦儿流浪记》。 我的缺点就是爱掉“金豆豆”。咳，你可别笑，这也是我的爱好哩!养的宠物死了，哭!受同学欺负，哭!考试不好，哭!看书看到感人处，鼻子一酸，又落下两排“大珍珠”。不过，我丝毫不觉得难为情，古人云：“当笑则笑，当哭则哭，无须掩饰。” 要说我不爱的，就数运动了。体育成绩自然不好了。三年级时，垒球扔个四五米顶天了，成绩还没过70分。不过，这个缺点，以后我要改。 我这个人，不仅爱哭爱笑，爱读书爱剪纸，还爱交朋友。你愿意和我交个朋友吗? 表达小学生个性自我介绍 大家好，我叫巫旖梦，今年10周岁，就读于梅州市梅师附小501班。 从我一踏进学校这个神圣的地方起，我就下定决心要努力学习，做个让老师满意的好学生，让家长放心的好孩子。 我现在担任班里的中队长和副班长，还是学校的大队劳动委员。
GO(gene ontology)是基因本体联合会(Gene Onotology Consortium)所建立的数据库，旨在建立一个适用于各种物种的，堆积因和蛋白质功能进行限定和描述的，并能随着研究不断深入而更新的语言词汇标准．GO是多种生物本体语言中的一种，提供了三层结构的系统定义方式，用于描述基因产物的功能． 基因本体论（gene ontology）的建立 现今的生物学家们浪费了太多的时间和精力在搜寻生物信息上。这种情况归结为生物学上定义混乱的原因：不光是精确的计算机难以搜寻到这些随时间和人为多重因素而随机改变的定义，即使是完全由人手动处理也无法完成。举个例子来说，如果需要找到一个用于制抗生素的药物靶点，你可能想找到所有的和细菌蛋白质合成相关的基因产物，特别是那些和人中蛋白质合成组分显著不同的。但如果一个数据库描述这些基因产物为“翻译类”，而另一个描述其为“蛋白质 合成类”，那么这无疑对于计算机来说是难以区分这两个在字面上相差甚远却在功能上相一致的定义。 Gene Ontology (GO)项目正是为了能够使对各种数据库中基因产物功能描述相一致的努力结果。这个项目最初是由1988年对三个模式生物数据库的整合开始：: FlyBase (果蝇数据库Drosophila),t Saccharomyces Genome Database (酵母基因组数据库SGD) and the Mouse Genome Database(小鼠基因组数据库MGD)。从那开始，GO不断发展扩大，现在已包含数十个动物、植物、微生物的数据库。 GO的定义法则已经在多个合作的数据库中使用，这使在这些数据库中的查询具有极高的一致性。这种定义语言具有多重结构，因此在各种程度上都能进行查询。举例来说，GO可以被用来在小鼠基因组中查询和信号转导相关的基因产物，也可以进一步找到各种生物地受体酪氨酸激酶。这种结构允许在各种水平添加对此基因产物特性的认识。 GO发展了具有三级结构的标准语言（ontologies），如表所示。根据基因产物的相关分子功能，生物学途径，细胞学组件而给予定义，无物种相关性。 本体论内容分子功能本体论基因产物个体的功能，如与碳水化合物结合或ATP 水解酶活性等生物学途径本体论分子功能的有序组合，达成更广的生物功能，如有丝分裂或嘌呤代谢等细胞组件本体论亚细胞结构、位置和大分子复合物，如核仁、端粒和识别起始的复合物等 基本来说，GO工作可分为三个不同的部分：第一，给予和维持定义；第二，将
网络科技公司简介范文5篇Introduction of network technology company 编订：JinTai College
网络科技公司简介范文5篇 小泰温馨提示：写作是运用语言文字符号以记述的方式反映事物、表达思想感情、传递知识信息、实现交流沟通的创造性脑力劳动过程。本文档根据写作活动要求展开说明，具有实践指导意义，便于学习和使用，本文下载后内容可随意修改调整修改及打印。 本文简要目录如下：【下载该文档后使用Word打开，按住键盘Ctrl键且鼠标单击目录内容即可跳转到对应篇章】 1、篇章1：网络科技公司简介范文 2、篇章2：网络科技公司简介范文 3、篇章3：网络科技公司简介范文 4、篇章4：网络科技公司简介范文 5、篇章5：网络科技公司简介范文 网络公司不仅仅是提供域名注册、空间租用、网站开发、网站建设与网络营销活动策划相关的企业组织。下面是网络科技公司简介范文，欢迎参阅。 篇章1:网络科技公司简介范文
支付宝（xxx有限公司是国内领先的独立第三方支付平台，是阿里巴巴集团的关联公司。支付宝致力于为中国电子商务提供“简单、安全、快速”的在线支付解决方案。 支付宝公司从20xx年建立开始，始终以“信任”作为产 品和服务的核心。不仅从产品上确保用户在线支付的安全，同时让用户通过支付宝在网络间建立起相互的信任，为建立纯净的互联网环境迈出了非常有意义的一步。 支付宝提出的建立信任，化繁为简，以技术的创新带动 信用体系完善的理念，深得人心。在六年不到的时间内，为电子商务各个领域的用户创造了丰富的价值，成长为全球最领先的第三方支付公司之一。截止到20xx年12月，支付宝注册用户突破5.5亿，日交易额超过25亿元人民币，日交易笔数达 到850万笔。 支付宝创新的产品技术、独特的理念及庞大的用户群吸 引越来越多的互联网商家主动选择支付宝作为其在线支付体系。 目前除淘宝和阿里巴巴外，支持使用支付宝交易服务的 商家已经超过46万家;涵盖了虚拟游戏、数码通讯、商业服务、机票等行业。这些商家在享受支付宝服务的同时，还是拥有了一个极具潜力的消费市场。
小学生个人简介 小学生个人简介的自我介绍（1） 本人在校热爱祖国，尊敬师长，团结同学，乐于助人，是老师的好帮手，同学的好朋友。我学习勤奋，积极向上，喜欢和同学讨论并解决问题，经常参加班级学校组织的各种课内外活动。 在家尊老爱幼，经常帮爸爸妈妈做家务是家长的好孩子，邻居的好榜样。 小学几年我学到了很多知识，思想比以前有了很大的提高，希望以后能做一个有理想，有抱负，有文化的人，为建设社会主义中国做出自己的努力。 当然我也深刻认识到自己的不足，学习不是很勤奋，有时候做事情会只有三分钟热情，我相信只要克服这些问题，我就能做的更好。 本人能自觉遵守小学生守则，积极参加各项活动，尊敬师长，与同学和睦相处，关心热爱集体，乐于帮助别人，劳动积极肯干，自觉锻炼身体，经常参加并组织班级学校组织的各种课内外活动。 本人品德兼优、性格开朗、热爱生活，有较强的实践能力和组织能力。 学习之余，走出校门，本人珍惜每次锻炼的机会，与不同的人相处，让自己近距离地接触社会，感受人生，品味生活的酸甜苦辣。 短暂小学就要离去，我对自己的这六年的学习和生活做个总结。首先，小学让我懂得了学习的作用，不在于死记硬背，而是寓教于乐，关爱生活，虽然我学习进步的不是很快，但我知道学习是终生要奋斗
的事，我爱小学的学习生活。 其次，我培养了独立思维的好习惯。我知道以后的路很长，我要独立思考人生的苦与乐，我从许多老师身上学到了这些人生哲理，不是夸大其词，仅仅是发自内心的感受，要敢于面对错误，毕竟我很小，但我要独立思考自己的将来，把握自己的命运，走自己的路，让别人去说吧。 最后，我要感谢我父母，是他们让我对学习和生活有了更大的憧憬，我知道上完小学，以后的学海更需要我的耐力和毅力，是长辈们给了我这份信念，相信自己，我会大声说出我能行，万岁我的小学生活。 小学生个人简介的自我介绍（2） 大家好，我先自我介绍一下我姓陈，名叫松，是一个很平常的男孩，胖胖的的脑袋瓜子，留着一头帅气的头发。那浓浓的眉毛下嵌着一双炯炯有神的大眼睛。那高高的鼻梁似乎没怎么引人注意，反而是那叽叽喳喳的大嘴巴惹人喜欢。我现在虽上了五年级，但身高只有米。我正为我的身高烦恼呢。 我在班上算不上尖子生。但要是比体育项目的，那我可就是名列前茅了。（对不起，说得有些骄傲了）。我也是个”路见不平，拔刀相助“的人，只要朋友有难，我第一个冲过去帮助他，所以，我的知己才越来越多。可能也正是这样，我忙帮多了，头脑昏了，帮的倒忙也越来越多。 记得那一次，由于语文考试成绩是差上加差，最多也只是90分。老师大发雷霆，简直要置我们于死地，作业要我们把考卷（连短文）
收稿日期:2003-04-07 作者简介:潘宇斌(1971)),男,福建人,工程师,研究方向:人工智能。 文章编号:1003-6199(2003)04-071-04 基于Ontology 的自然语言理解 潘宇斌,陈跃新 (国防科技大学计算机科学与工程学院,长沙 410073) 摘 要:本文分析传统意义上基于知识的自然语言理解(KB-NLU )和基于Ontolog y 的自然语言理解系统的基本模型,Ontology 是概念化的描述,以及Ontolog y 与语言知识的结合方式的三种类型:世界知识型、词汇语义型、句法语义型。 关键词:KB-NLU;Ontology;世界知识型;词汇语义型;句法语义型中图分类号: T P31 文献标识码:A Ontology -Based Natural Language Understand PAN Yu -bin,CH EN Yue -xin (College of Computer Science and Engineering,National U niv.of Defense T echnolo gy,Changsha 410073) Abstract:In this paper,w e analy ze the base model in the area of Knowledge -Based Natural Languag e Un -derstand (KB -NLU )and Ontolog y -Based Natural Language Understand.Ontology is a conceptual descrip -tion.In terms of their relationship w ith the natural language,this paper divides the different Ontolog ies into three ty pes,i.e.world know ledge,lexical semantics one and syntax semantics one. Key words:KB-NLU ;Ontology;w orld knowledg e;lexical semantics;sy ntax semantics 1 引言 自然语言理解把用自然语言描述的一个受限世界(关于该世界的事实和假设),变换为用机器内部的表示法描述的一个世界模型。这个世界模型用作问题求解器的知识库,来求解各种问题。本文讨论了基于知识的自然语言理解(KB-NLU )[1]的一个新的研究方向)))以本体(Ontology)作为知识体进行自然语言理解。 Ontology 在哲学上是指/世界的本原0[2] ,它所要回答的问题是/所有事物的通用属性是什么?0。在知识工程领域,Ontology 本身作为知识实体是系统的知识库,它是由概念以及概念之间的联系所构成的知识实体,是对世界或者领域知识的概念化描述。本文主要介绍Ontolog y 作为一个知识体,结 合语言学知识,进行自然语言理解,即基于Ontolo -g y 的自然语言理解。 基于Ontology 的自然语言理解的主要任务是利用系统所拥有的知识,提取出文本的意义。它需要解决的问题是:Ontology 如何定义;对文本进行各个层面上的消歧;对文本的推理。本文将就以上问题解决方案进行阐述。 2 Ontology 的定义 2.1 Ontology 的概念 Ontology 可以作为对某个领域的描述词典。它和作为约定的Ontology 没有明显的区分,但是它的重点不是为了共享,而是为了建立起一个领域的概念化说明。从而,它作为领域的论域,所有的知识都是在它的基础之上建立的。 第22卷第4期2003年12月 计 算 技 术 与 自 动 化Computing T echnology and Automatio n Vol 122,No 14 Dec 12003
系统集成公司简介范文 系统集成商是指具备系统资质，能对行业用户实施系统集成的企业。下面是系统集成公司简介范文，欢迎参阅。 系统集成公司简介范文1 广州系统集成公司，专业为客户提供结构化布线系统、网络技术工程、程控交换机系统安装、监控安防系统、一卡通系统、音视频系统、机房建设等系统方案设计、施工及维护的服务。 “全面满足，不断超越，永创新高，打造行业领跑者形象”，公司一直秉承“以市场为导向、以客户为中心”的发展理念，以“团结、务实、拼搏、创新”为宗旨，不断苦练内功，随时为广大客户提供最优质的产品与服务。 系统集成公司长久以来一直努力的目标，就是协助客户建立最具竞争力的信息化系统，即协助客户去规划、建设和维护高性能的网络系统、可靠的网络安全建设、智能建筑系统等。并在业界树立了良好的口碑和有了很好的发展。如今，开建智能的服务网络覆盖多个地方并都设有办事机构。自建立以来，开建智能坚持的目标从不曾改变，凭借着其日益成熟的经营理念和专业水平，开建智能必将协助客户获取更强的竞争力。 专业而经验丰富的技术人力资源。开建智能的全体员工拥有专业的技术知识，并在大型系统、结构化网络系统、远程通讯、办公自动化、系统技术支持，和软件编写方面拥有丰富的经验。
系统集成公司简介范文2 中国电信集团系统集成有限公司成立于1996年，是中国电信集团公司的全资子公司。公司旨在为大客户提供ICT整体解决方案、为电信运营商提供应用软件开发和IT服务支撑、为中小企业客户提供综合信息化服务。 公司依托于中国电信全国垂直一体化的三级营销服务体系和运行维护体系，凭借中国电信丰富的网络资源、专业的电信及IT技术、优秀的技术团队、广泛的客户资源和行业知识，致力于为电信运营商、政府、金融、企业提供网络基础设施建设、网络升级及改造、网络管理服务、网络及设备代维服务、设备租赁、应用软件集成及开发、IT 服务支撑等“一站式”服务。 公司在为电信运营商、全国性大客户进行一系列大型网络建设和服务的过程中，归纳总结了一整套项目管理方法，形成了独特、完善的项目管理体系和实力强大的核心团队。公司通过了ISO9001(2000)质量管理体系认证。同时，还获得了信息产业部颁发的“计算机信息系统集成一级资质”和“通信信息网络系统集成甲级资质”，是国内第一家拥有“双一级”资质的系统集成企业。 公司将站在客户的角度思考客户的业务运营，通过对客户业务运营流程以及信息化需求的全面理解，为客户提供创新而适用的综合信息化解决方案和ICT支撑服务，提升客户价值，与客户共同成长。 系统集成公司简介范文3 联通系统集成有限公司是中国联通的全资子公司，注册资金亿元，
☆基本信息 姓名：X X X毕业院校：安徽大学专业：通信工程 性别：男出生年月：1986.10 民族：汉 联系电话：137xxxxxxxx 0551-386xxxx 籍贯：安徽省亳州 联系地址：皖合肥市安徽大学磬苑校区2005级通信工程（230601） 电子邮箱：xxxxxxxxxxx ☆求职意向（技术类） ☆教育经历2005年9月－2009年7月安徽大学通信工程（本科）工学学士☆个人技能 英语方面通过CET-4，并具有基础的英语听说读写能力 日语方面日语初级水平，简单会话 计算机方面通过国家计算机二级C;掌握简单的C语言及汇编语言编程； 熟练使用Protel DXP 进行PCB电路设计；熟练使用Ms Office等常用办公软件 ☆实践经历 2007．09 –-2008．01 参加创新实验《多功能节电控制器》的研究与制作2008．07—2008．09 参加“2008安徽大学第二届机器人剧场赛”，并获季军和最佳啦啦队奖2008．09.01—09.15 专业实习：合肥大蜀山发射台、安徽四创电子股份有限公司2005．10—2008．03 院学生会治保部副部长、权益部部长 2007．07 参加2007年安徽大学暑期社会实践重点团队并获暑期社会实践先进个人2008．04至今院团委宣传委员兼院团学新闻中心主任 2008．04至今创建安徽大学XX协会，并担任第一任会长 2008．05至今班级XXX（如班长、生活委员等） ☆所获证书 2008年9月获“2008安徽大学第二届机器人剧场赛”，季军和最佳啦啦队奖2007—2008学年获安徽大学学习优秀奖三等、团学工作奖一等、“优秀学生干部标兵”2005—2006学年获安徽大学“优秀学干” 2006—2007学年获安徽大学“优秀团员”、“社会活动积极份子”、获院“优秀学生会干部”2007年获安徽大学“优秀团干”、“暑期社会实践先进个人” ☆所修课程 基础课：电路分析基础、线性电子线路、通信电子线路、脉冲与数字电路、信号与线性系统、电磁场与电磁波、EDA技术、数字信号处理、单片机原理、微机原理与接口技术 核心课：通信原理、程控交换原理、通信网基础、数字移动通信、光纤通信原理、C语言程序设计☆自我评价 积极乐观、为人诚实、做事认真细心、能吃苦耐劳、较强的学习能力、注重理论联系实践； 较强的组织协调能力、活动策划能力、人际交往能力、强烈的责任感和团队合作精神
用Oｎtology组织企业的信息和知识 在不确定是唯一可确定因素的经济环境中,知识是企业获得持续竞争优势的源泉。知识管理就是利用先进信息技术实现知识获取／创造、组织/存储、传播、应用,使企业在动荡的市场中保持高度智能化的管理手段。知识分为显性知识和隐性知识，显性知识是已经总结好的被基本接受的正式知识，以数字化形式存在或者可直接数字化,易于传播；隐性知识是尚未从员工头脑中总结出来或者未被基本接受的非正式知识,是基于直觉、主观认识、和信仰的经验性知识。显性知识比较容易共享,但是创新的根本来源是隐性知识。日本东京一桥大学著名知识学教授野中郁次郎研究发现：员工在工作过程中把隐性知识作用于客观信息,产生显性知识并传授给同事,和同事一起把显性知识汇总并在产品/服务中体现出来。 而知识管理就是对一个企业集体的知识与技能的捕获——而不论这些知识和技能是存在于数据库中、被印刷于纸上或是存在于人们的脑海里——然后将这些知识与技能分布到能够帮助企业实现最大产出的任何地方的过程。知识管理的目标就是力图能够将最恰当的知识在最恰当的时间传递给最恰当的人以便使他们能够做出最好的决策。 公司信息资产的价值并不在于存贮和提取信息的能力,而在于将信息与特定过程和未知情境进行动态匹配的能力。通过运用知识管理
这一技术,许多企业已经取得了令人惊异的成就。分析家们指出:ＬｏtusNoteｓ和世界互联网是知识管理系统中的两大中坚力量。而数据库、文件管理系统和电子邮件则是知识管理系统中的基本要素。为实现知识管理的目标,从而为企业带来收益,大多数公司还需要添加某种知识提取产品,它能通过群体协作、过滤和语义技术将信息转化为知识。 数字信息一方面为人们的日常工作和生活带来了帮助,另一方面，大量的信息又使人们不知所措。如何组织和提供信息就成为信息系统要解决的关键问题。 目前主要的困难包括：知识的表示、信息的组织、软件的复用等。特别是由于因特网的快速发展,面对信息的海洋,如何组织、管理和维护海量信息并为用户提供有效的服务也就成为一项重要而迫切的研究课题。为了适应这些要求,Ｏntology作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,自被提出以来就引起了国外众多科研人员的关注，并在计算机的许多领域得到了广泛的应用,如知识工程、数字图书馆、软件复用、信息检索和Ｗeb上异构信息的处理、语义Web等。 信息检索技术可分为３类：全文检索(Tｅxt retrieｖal）、数据检索（Datａ ｒｅtrieｖaｌ)和知识检索(Knｏwｌedge ｒｅtｒｉeval)。全文检索的特点是把用户的查询请求和全文中的每一个词进行比较,不考虑查询请求与文件语义上的匹配,这种方式虽然可以保证查全率，但是查准
手游公司简介范文1 随着手游功能的开发，90%手机上玩游戏的也越来越多了。下面是手游公司简介范文，欢迎参阅。 手游公司简介范文1 深圳市手游界网络有限公司 手游tv是一家关注手机游戏行业发展、为移动开发者、发行商、移动游戏行业提供高价值的业内新闻资讯、数据报告等的公司。公司位于深圳市南山区科技园。 手游tv的主要产品是游戏助手。 手游tv是untiy及国内多家知名游戏媒体的合作伙伴。 手游公司简介范文2 梦想手游 公司概况 “梦想手游”是国内新兴的、专注于移动游戏的发行商。总部设立在广州，核心团队汇聚了数十名拥有手游发行和运营经验的专业人才。 发展历史 从手机游戏的发行、运营到营销各个环节，人员配置，深谙国内ios及安卓平台发行模式。梦想手游已获得国内机构逾亿元投资，在2014年发行数款重量级手游产品，将占据中国手游发行市场一席之地。 金鹰卡通核心动漫ip手游《哪鹅快跑》今日正式上线。日前，金鹰卡通高调宣布将投2亿打造哪鹅ip产业链，而《哪鹅快跑》的上线也意味着梦想手游正式入局金鹰卡通动漫生态圈。
手游公司简介范文3 宝开游戏公司(popcap games)，是休闲游戏的开发商和发行商，在2000年由john vechey, brian fiete 和jason kapalka共同建立，总部位于美国的西雅图，截至2009年，已发展到180多个员工。 popcap【宝开】的出名作游戏是bejeweled(宝石迷阵)，一个转换宝石的消除类游戏，因该款游戏在2002年获得了cgw hall of fame奖项。 2011年7月，popcap被美国电子游戏产业巨头艺电(ea)收购。 [1] 2014年3月为了适应在移动游戏中为玩家提供在线服务，以及开发新ip的需求宝开进行了裁员。 手游公司简介范文4 中国手游集团有限公司(即中国手游)是国际领先的移动游戏开发商与发行商，专注于移动游戏的开发及发行。 cmge中国手游于2012年9月25日登陆美国纳斯达克(nasdaq:cmge)，cmge中国手游是国内首家登陆纳斯达克的手机游戏公司。 cmge中国手游以“公正尽责合作创新”为企业价值观，坚持“用户第一”的理念，致力于为用户提供出色的产品和有效的服务，持续创新，提升玩家体验，创造手机游戏与社会文化相融合的环境，从而实现“移动游戏快乐生活”的品牌倡导。 企业文化 愿景：成为国际一流的移动游戏开发商与发行商 价值观：公正尽责合作创新 品牌倡导：移动游戏快乐生活!
“Ｏｎｔｏｌｏｇｙ”的意义及翻译 作者：邹诗鹏 近年来，Ontology问题复又成为学界的热点研究领域，问题仍然集中于如何理解和翻译Ontology，大多数的意见认为应当放弃“本体”及“本体论”，而选择“存在”及“存在论”，或者干脆就是“是”及“是论”。但到底是“存在”及“存在论”，还是“是”及“是论”(“是态论”)，则形成了争论的焦点。这场争论的实质是反映了学界对于西方学术研习的质量要求，同时也表现了学界对于中西方文化在根源上是否能够形成沟通的困惑与思考。 一、Ontology及其复杂的汉译问题 存在论(Ontology)是哲学的核心领域。顾名思义，存在论即关于“存在”的理论，是关于存在是什么以及存在如何存在的理论。存在论虽然是在17世纪才由德国经院学者郭克兰纽命名并由沃尔夫加以完善并从理论上系统化，但就存在论这一学问而言，则是早已由古希腊哲学确定了其基本框架及理论内容的。事实上，存在论本身就是古希腊哲学的主题形态。 不过，Ontology并不是一劳永逸的理论体系。对于不断追求理论超越的西方哲学传统而言，后世的西方哲学显然有理由构造与古希腊哲学的“Ontology”有所突破甚或根本不同的Ontology结构。Ontology的复杂性从词源角度说源于其核心概念toon(tobe)在西方思想演进中的复杂性，从本质上说则是源于哲学家们不同的哲学观念，这种状况必然导致人们对Ontology的不同理解。特别是，由于Ontology在文化传播中与异文化传统及其语言习惯的冲突、融汇与涵化，从而使得在西方哲学那里本就十分复杂的Ontology的异文化翻译显得更为复杂。Ontology的汉译就充分地表明了这一点。近百年来，Ontology先后被译为“物性学”“万有学”(卫礼贤)、“实体论”(陈大年)、“本体学”(常守义)、“万有论”(陈康)、“凡有论”、“至有论”(张君劢)、“存有论”(唐君毅)、“有根论”(张岱年)，“是论”(陈康、汪子嵩、王太庆等)以及“是态论”(陈康)等等。这些不同的译法按照toon(tobe)的不同理解大体可归为三类：一是从“存在”说确定Ontology；二是以“有”来解释Ontology；三是从“是”本身来规定Ontology。 从某种程度上说，上述三种分类基本上反映出了西方Ontology理论的三类典型。大体说来，巴门尼德、柏拉图及亚里士多德所代表的古希腊哲学所关注的恐怕主要还是系词意义上的“是”，因而那时的存在论主要应看成是“是论”；以黑格尔为代表的德国古典哲学所思考的则是存在论状态，因而译为“有论”及“存有论”似更合理一些；至于海德格尔等现代哲学家们则是试图从生存论意义上揭示并敞开“存在”(sein，简称“在”)，因而他所追求的是一个较传统哲学的Ontology来说更为“原始”或“基础”的“存在论”。 尽管不同的人基于不同的哲学传统及哲学观，从而有理由在不同的意义上使用存在论这一概念，但存在论在古希腊哲学中的本来相对确定的论阈规定还是值得重视的，它至少可以使我们获得一种进入并反省存在论的基本样式。Ontology的核心范畴即希腊语on，on则是希腊语eimi的中性分词形式，eimi乃希腊语中单数第一人称的系词，相当于英语“Iam”，意为“依靠自己的力量能运动、生活和存在”。就本义而言，on应译为“是”，因此，从“是论”(及“是态论”)的角度理解“存在论”(Ontology)虽然不太符合中文的构词法及用语习惯，但就内涵而言，却更符合西方哲学存在论之追求判断与逻辑可靠性的理论本性。Ontology 译为“是论”自然有足够的理由，但如此一个拗口的译法却没有呈现Ontology的汉语语境，在汉语中，“存在”或“有”显然较“是”更有根源性和底蕴。从这个意义上，包括海外华人学界在内的汉语言学术界习惯于用“本体论”、“存在论”、“有论”、“存有论”、“万有论”、
十佳优秀学生自我介绍优秀十佳大学生自我介绍 在竞选十佳大学生时，要想秀出自己的话，还是需要讲点技巧的，让我们一起来探讨一下应该如何介绍自己吧!以下是小编为你整理的十佳大学生自我介绍，希望大家喜欢。十佳大学生自我介绍篇1 尊敬的各位老师，各位同学： 大家下午好!我叫徐姗，是09级生物师范班学习委员，同时担任我院学生通讯社社长，学工助理，校博物馆讲解队队长等职务。 向院里提出“十佳大学生”的申请，是因为我和在座的各位同学一样，都觉得这是一份可贵而难得的荣誉，并且十分渴望得到她，这是我心里的实话，如若不然，现在也不会勇敢地站在这里了。我想，作为一个学生，一个学生干部，除了希望自己能够尽己所能没有遗憾地完成该做的事情以外，其实更希望的是能够被别人肯定，从而拥有继续努力下去的信心。我想，喜欢荣誉不是一个人的错，在追求荣誉的过程中获取到更有价值的东西，才是关键的意义之所在! 进入湖大之后，终于感觉到足够的自由空间,那时候，我笑称自己如鱼得水，因为有着那么多的时间去做自己喜欢的事情，有那么多的平台去展示自己，有那么多的机会去结识许多志趣相投的朋友。 在学习方面，迄今为止，我已经以较高的分数通过了大学英语四六级考试以及计算机二级考试，并且获得三等奖学金。 在活动方面，刚入校不久，我代表院里参加了校建国六十周年演讲暨普通话风采大赛，初露锋芒，捧回一个二等奖。与楚才学院一位学长合作，全程英语主持了校第四届英语朗诵大赛，随后在校第四节英语翻译大赛口译中获得第五名。院级辩论赛，挑战着心里的胆怯，担任了辩论队四辩的角色，却意外获得最佳辩手。在英语学习月期间，主持了英语电影配音大赛，并且在英语风采大赛中获得了一等奖。 在工作方面，有幸加入校英语广播电台，主持每周二的英语广播节目，被评为优秀工作人员。后来，学校博物馆招聘讲解员，经过层层的筛选，我成为了其中一位，并且做了讲解队队长。在此期间，接待了无数国内专家学者、巴西孔子学院等国外高校访问团、各学院回访校友，中小学师生以及武汉周边市民，并且与武汉科技大学讲解团队进行了相互的访问，组队与武汉市博物馆纪念馆一起参加讲解员大赛促进交流与学习。去年12月份，院内三大组织新闻部合并为学生通讯社，承蒙大家的抬举，让我做了社长。接手工作以来，我一直紧密团结社内成员，在幕后竭尽全力、默默无闻地为学院做着各种新闻宣传报道工作，在校网站校报的发稿量相比于往年有明显的提高。我们积极与校记者团合作，向楚天都市报、楚天金报等校外媒体投发我院的宣传稿件，也获得了一定的成效。作为班上的学习委员，对于班上的各项事务，我一直尽职尽责地去做，并且时常与班主任以及其他班委交流，积极为班级建设献计献策。 我时刻牢记一个中共党员所要起到的先锋模范带头作用，积极要求上进，严格要求自己的行为，在生活中与老师和同学们相处地十分融洽。 我习惯去反省与思考，也自知在很多方面还做的不够。今天来参加”十佳大学生”的评选演讲，，一方面的想法也是想知道在我身边那么多优秀的学生，他们是怎样走过的这些大学时光，我与他们的差距究竟在于哪里，还需要在那些方面去努力。 熊老师总笑我是一匹野马，我在心里很感激这样一句评价，因为真的很感谢老师能这样去理解我。然而我希望，自己不仅仅是一匹野马，更希望是一匹有分寸，有理性，有闯劲，却又不失棱角的野马。最最重要的是做一匹能被在座的各位伯乐所赏识的马。谢谢大家!十佳大学生自我介绍篇2
网店公司简介范文 网店是现在流行的在网上利用网络开的店，那么开一个网店该怎么给它做一个简介呢？下面是橙子为你带来的网店公司简介范文，仅供参考。 网店公司介绍范文篇1 欢迎光临本店，您的支持是我们最大的前进动力，本店所有产品均低价销售，并且保证质量，需要的亲请放心购买，我们一定会给您一个最舒心的购物体验! 本店所有的商品照片为专业摄影师拍摄，后期精心修制及色彩调整，尽量与实际商品保持一致，但由于拍摄时用光、角度、显示器色彩偏差、个人对颜色的认知等方面的差异，导致实物可能会与照片存在一些色差，最终颜色以实际商品为准。请在购买前与我们客服充分沟通后做出慎重选择。色差问题将不被我们认可当退换货的理由! 欢迎光临本店!本店提供优质的商品，完美的售后服力，让您买得放心，买得舒心!所有商品价格已经是最低，请勿议价!有任何疑问请与下面亮灯客服联系，将为您提供耐心解答! 本店郑重承诺，我们将一如既往为各位顾客带来优质的服务!三年来，我们一步一个脚印的成长着，能够做到性价比最优，请各位放心购买!本店默认XX快递，如有特别要求联系客服备注!有任何问题请联系亮灯客服。 本店主营XX系列的网店，本省独家代理!保证质量，款式多多!
价格优惠!望广大朋友给予支持! 谢谢! 网店公司介绍范文篇2 汉中市春雨农业产业开发有限责任公司成立于1998年,现公司已拥有大米精加工厂、特色食品加工厂、玉米金色食品加工厂、技术研究所、营销公司等。在西安、兰州、北京、武汉、上海、太原、广州等20多个大中城市设有销售分公司，形成了固定的销售网络。公司20xx年底总资产6199万元，其中固定资产3024万元，公司占地面积52350㎡，建筑面积26000㎡，职工526人，现已具有年产万吨精米、3000吨橡果、蕨根等系列绿色营养食品、5000吨玉米方便食品的纯天然农副产品深加工能力。20xx年产值6352万元，销售收入达6200万元，年创利税600万元。企业多次荣获省、市级优秀企业、科技明星、重合同守信用等称号，被农业银行评为“AAA”级资信企业,同时被省、市、区政府认定为农业产业化重点龙头企业、陕西省科技创新型企业、陕西省专利技术孵化重点单位。通过了ISO9001:20xx国际质量管理体系认证，被国家农业部评为“全国新农村建设百强示范企业”和“全国乡镇企业创名牌重点企业”。 公司立足汉中这一国家级绿色产业基地，开发出21世纪纯天然绿色(有机)食品五大系列60多个品种，产品多次获得国家级金奖及发明专利，其中纯玉米方便面和玉米超细粉生产技术已获得国家发明专利，部分产品已通过国家绿色食品认证、有机食品和QS认证，所有产品获得“C”标认证。“老玉米营养 1粉”系列方便食品和“橡果
优秀学生个人简历-个人简历范文-第一范文网 姓名:方燕彬 性别：男 就读专业：人力资源 学号：2008050119 宿舍号：6-626 籍贯：江苏省昆山市 出生年月：90.1 政治面貌：团员 原毕业学校：江苏省昆山市亭林中学 联系电话：xxx 在校期间任职情况： 时间班干部职务学生会职务 2005.9~2006.1（高一.上）劳动委员 2006.3~2006.6（高一.下）劳动委员劳动卫生部长 2006.9~2007.1（高二.上）副班长兼劳动委员学生会主席 2007.3~2007.6（高二.下）班长兼劳动委员学生会主席 2007.9~2008.1（高三.上）副班长兼劳动委员学生会主席 2008.3~2008.6（高三.下）劳动委员 总结： 班干部方面：通过三年的班干部工作，给自己在管理能力等方面得到
了很大的锻炼，也从中吸收了很多经验，平时工作时能积极主动配合班主任，勤沟通，认真贯彻、执行各项计划和决定，能发动、组织、带领全班同学开展各项活动，并且与学生相处友好。 学生会干部方面：能熟练地主持学生会日常工作及学生会的会议，对学生会的工作十分熟悉，能出色地完成学校下派的各项任务，曾多次被评为校级、昆山市级优秀学生干部称号，也夺得了学校领导老师及广大学生的一致好评。 在校期间所获荣誉： 时间奖项 2006年度第一学期在班十佳评选中获班级工作好称号； 2006年度第二学期获校优秀学生干部称号； 2006年度第二学期在优秀学生会干部评选中获优秀学生会干部； 2007年度第一学期获校三好学生； 2007年度第二学期在班十佳评选中获班级工作好称号； 2007年度第二学期获校三好学生； 2007年度第二学期在优秀学生会干部评选中获优秀学生会干部； 2007年6月被评为昆山市优秀学生干部； 2008年度第一学期获校优秀学生干部称号； 2008年3月在昆山市青少年法制宣传教育活动中，被评为百佳学法小标兵； 2008年度第二学期获校三好学生。 党员年终工作总结范文