基于Jena的本体构建方法研究-计算机工程

Jena 简介一般来说，我们在Protege这样的编辑器里构建了本体，就会想在应用程序里使用它，这就需要一些开发接口。

用程序操作本体是很必要的，因为在很多情况下，我们要自动生成本体，靠人手通过Protege创建所有本体是不现实的。

Jena 是HP公司开发的这样一套API，似乎HP公司在本体这方面走得很靠前，其他大公司还在观望吗？可以这样说，Jena对应用程序就像Protege对我们，我们使用Protege操作本体，应用程序则是使用Jena来做同样的工作，当然这些应用程序还是得由我们来编写。

其实Protege本身也是在Jena的基础上开发的，你看如果Protege 的console里报异常的话，多半会和Jena有关。

最近出了一个Protege OWL API，相当于对Jena的包装，据说使用起来更方便，这个API就是Protege的OWL Plugin所使用的，相信作者经过OWL Plugin的开发以后，说这些话是有一定依据的。

题目是说用Jena处理OWL，其实Jena当然不只能处理OWL，就像Protege 除了能处理OWL外还能处理RDF(S)一样。

Jena最基本的使用是处理RDF(S)，但毕竟OWL已经成为W3C的推荐标准，所以对它的支持也是大势所趋。

好了，现在来点实际的，怎样用Jena读我们用Protege创建的OWL本体呢，假设你有一个OWL本体文件（.owl），里面定义了动物类（/ont/Animal，注意这并不是一个实际存在的URL，不要试图去访问它），并且它有一些实例，现在看如下代码：OntModel m = ModelFactory.createOntologyModel();File myFile = ...;m.read(new FileInputStream(myFile), "");ResIterator iter = m.listSubjectsWithProperty(RDF.type, m.getResource("http:// /ont/Animal"));while (iter.hasNext()) {Resource animal = (Resource) iter.next();System.out.println(animal.getLocalName());}和操作RDF(S)不同，com.hp.hpl.jena.ontology.OntModel是专门处理本体（Ontology）的，它是com.hp.hpl.jena.rdf.model.Model的子接口，具有Model的全部功能，同时还有一些Model没有的功能，例如listClasses()、listObjectProperties()，因为只有在本体里才有“类”和“属性”的概念。

Software 软件2011年第32卷 第4期国际IT 传媒品牌专业教学资源库本体模型构建*孙玉娣　裴 勇(江苏经贸职业技术学院，江苏 南京 211168)摘　要：针对当前专业教学资源库的可重用性低、难以提供智能服务等问题，本文提出构建本体专业教学资源库。

该方法将语义web 思想与本体技术引入专业资源库构建中，并以构建《计算机网络专业教学资源库》为例，阐述了构建基于本体的专业教学资源库模型的整个流程，并选用Jena 推理机，对资源语义的一致性进行检查。

研究表明，对教学资源库的框架描述上升到知识级，有利于对教学资源库的共享与语义查询。

关键词：本体；教学资源库；语义网；owl中图分类号：TP311 文献标识码：A DOI: 10.3969/j.issn.1003-6970.2011.04.034Professional Teaching Resources Libraries Ontology Model ConstructionSUN Yu-di, PEI Yong(Jiangsu Institute of Economic & Trade Technology , Nanjing 211168, China )【Abstract 】According to the requirements of being used repeatedly and supplying intelligence services on the teaching resources, this paper presented constructing professional teaching resources libraries based on ontology, the semantic web ideas and ontology technologies were introduced. With computer network professional teaching resources libraries, this paper illustrated the whole process of constructing ontology teaching resources libraries, and using Jena reasoning engine to ensure consistency of resources semantic. Since the description of teaching resources libraries corresponding to its knowledge level, so it contributes to the sharing of teaching resources and semantic inquiry.【Key words 】ontology; teaching resources libraries; semantic web; owl *校级课题项目（课题号JSJM2010091）作者简介：孙玉娣(1981-)，女(汉)，江苏高淳人，硕士研究生，讲师，主要研究方向：本体，知识工程；裴勇(1980-)，男(汉)，江苏盐城人，硕士研究生，讲师，主要研究方向：计算机网络，信息安全。

第18卷第5期 测 绘 工 程 V ol.18 .52009年10月 ENGINEERING OFSURV EYING AND M APPIN G O ct.,2009基于Jena 和地理本体的空间查询与推理研究李宏伟,蔡 畅,李勤超(信息工程大学测绘学院,河南郑州450052)摘 要:Jena 根据OW L 本体定义将地理数据进行R DF 资源标注,形成带有语义信息的数据,便于地理空间数据的语义查询和推理。

深入讨论Jena 在基于地理本体的空间信息查询和推理中的应用机制,将用户针对数据源的查询转换为对地理本体的查询;利用建立在逻辑基础上和空间关系基础上的地理本体,发现空间数据源中一些隐含的概念或关系。

结合实例,实现基于本体的地理空间信息查询和在自定义规则下利用Jena 推理机的空间推理。

关键词:Jena;地理本体;空间查询;空间推理中图分类号:P 208 文献标识码:A 文章编号:1006 7949(2009)05 0005 05The application of jena in spatial information query andreasoning based on geo ontologyLI Hong w ei,CAI Chang ,LI Qin chao(Inst itute of Survey ing and M apping ,Infor mation and Engineer ing U niv ersity ,Zheng zho u 450052,China)Abstract:Jena could realize RDF r esource't ag by definition of g eo o ntolo gy descripted by OWL,fo rm data w ith semantic inform ation and make sem antic query and reasoing application of g eo spatial data easily.The paper discussed Jena and its application mechanism in quer y based on onto logy ,transfered the spatial data query focus on data source to query based g eo ontolog y;discovered hiden concepts and relations in spatial data so urce using geo onto logy built on lo gic and spatial relation,given a query and reasoning example based on g eo o ntolo gy and Jena reso ning machine using self definition rules.Key words:Jena;Geo o ntolo gy;spatial query;spatial resao ning 收稿日期:2009 03 10基金项目:国家自然科学基金项目资助(40871183);河南省科技计划项目资助(072102210031)作者简介:李宏伟(1963~),男,教授,博士,博士生导师.在地理信息科学领域,研究人员越来越意识到地理本体是实现空间信息语义互操作和共享的重要手段,并以此为基础满足各层次用户对地理信息服务的需求。

Jena方法使用实例在使用Jena方法实践本体之前，很有必要对本体的基本概念有一个清楚的理解。

1．OWL基本概念Web本体语言OWL是一种定义和实例化“Web本体”的语言。

一个“Web本体”可能包含了类，属性和他们的实例的描述。

给出一个本体，OWL形式语义说明怎么获得它的逻辑结论，也就是说，不是逐字写在本体中的事实，而是语义蕴涵的事实。

这些蕴涵可以是基于单个的文档也可以是OWL机制合并在一起的多个分布的文档。

1.1. OWL的种类OWL提供了三种表达能力递增的子语言，以分别用于特定的实现者和用户团体。

z OWL Lite用于提供给那些只需要一个分类层次和简单约束的用户。

z OWL DL 支持那些需要最强表达能力的推理系统的用户，且这个推理系统能够保证计算的完全性（computational completeness，即所有的结论都能够保证被计算出来）和可判定性（decidability，即所有的计算都在有限的时间内完成）。

z OWL Full 支持那些需要尽管没有可计算性保证，但有最强的表达能力和完全自由的RDF语法的用户。

2. 本体的结构OWL是语义网活动的一个组成部分。

这项工作的目的是通过对增加关于那些描述或提供网络内容的资源的信息，从而使网络资源能够更容易地被那些自动进程访问。

由于语义网络固有的分布性，OWL 必须允许信息能够从分布的信息源收集起来。

其中，允许本体间相互联系，包括明确导入其他本体的信息，能够部分实现这样的功能。

对资源的描述并不局限于在一个简单的文件或范围内。

类C1本来是由本体O1定义出来的，然而，它也可以是由其他的本体扩展出来的。

为了能写出一个能被唯一翻译的而且能被软件（代理）使用的本体，我们要求OWL有一个语法和正规的语义。

2.1. 命名空间一个标准的本体开头部分里包括一组XML命名空间（namespace）声明（被包含在rdf:RDF标签里）。

这些命名空间声明提供了一种无歧义地解释标识符的方式，并使得剩余的本体表示具有更强的可读性。

基于Jena 的仿真模型的云端交互Cloud interaction of simulation model based on Jena姜智慧1，陆剑峰1，余 涛2JIANG Zhi-hui 1, LU Jian-feng 1, YU Tao 2（1.同济大学 电子与信息工程学院CIMS 研究中心，上海 201804；2.智能云科信息科技有限公司，上海 200090）摘 要：在云制造领域，要实现仿真云服务，必须要解决仿真模型的交互、传输问题。

云端仿真数据可以通过RDF文件进行传递，研究基于Jena API的RDF文件解析方法，为仿真模型的交互问题提供一种解决思路。

并以Plant Simulation仿真平台为基础，给出了将解析RDF文件后得到的模型信息自动构建成仿真模型的实例。

关键词：Jena；RDF；PlantSimulation；仿真模型交互；仿真云服务中图分类号：TP391.9 文献标识码：A 文章编号：1009-0134(2016)11-0025-03收稿日期：2016-07-23作者简介：姜智慧（1992 -），男，浙江杭州人，硕士研究生，主要从事先进过程控制方面的研究。

0 引言云制造是一种利用网络和云制造服务平台，按用户需求组织网上制造资源，为用户提供各类按需制造服务的一种网络化制造新模式[1]。

云制造模式下，所有能封装和虚拟化的都作为制造云服务，如：制造资源即服务、制造能力即服务、制造知识即服务等[2]。

它利用信息技术和网络化技术实现制造资源的高度共享，为产品提供高附加值、低成本和全球化制造的服务[3]，即用户可以通过云服务平台按照自己的需求寻找所需的制造资源[4]。

在产品制造全生命周期的各类活动中，云制造更加重视和强调所需的其他服务[5]，如仿真即服务（SimaaS ）。

仿真一直是制造过程中不可缺少的技术与工具[6]，云制造对仿真提出了新的需求，即实现云仿真新模式[7]。

作为一种仿真云服务，如何解决仿真模型的云端传递问题是仿真技术人员迫切需要解决的问题。

2019年软 件2019, V ol. 40, No. 4作者简介: 黄以宝(1983-)，男，硕士，讲师，研究方向：语义分析、教育资源建设。

基于本体和Jena 模块的教学 资源语义系统设计研究黄以宝（广东茂名幼儿师范专科学校，广东 茂名 525000）摘 要: 教学资源缺少开发规范和语义信息，导致其可共享性差、检索查全率或查准率不高。

探讨教学资源语义系统的设计，基于本体实现教学资源的语义信息，并通过Jena 实现语义扩展，结合语义相关度和相似度，有效提高教学资源检索的有效性和精确度。

关键词: 本体；Jena ；教学资源；语义中图分类号: G633 文献标识码: A DOI ：10.3969/j.issn.1003-6970.2019.04.040本文著录格式：黄以宝. 基于本体和Jena 模块的教学资源语义系统设计研究[J]. 软件，2019，40（4）：186-189Design and Research on Teaching Resources Semantic SystemBased on Noumenon and Jena ModuleHUANG Yi-bao(Guangdong Maoming Preschool Teachers College, Maoming Guangdong 525000)【Abstract 】: Lacking development norms and semantic information, teaching resources may have disadvantages of poor sharing and low retrieval accuracy. The paper discusses design of semantic system of teaching resources, im-prove effectiveness and accuracy of teaching resources retrieval effectively based on noumenon semantic informa-tion of teaching resources, and Jena semantic expansion and semantic relevance and similarity. 【Key words 】: Noumenon; Jena; Teaching resources; Semantics0 引言互联网技术的发展与普及，促使网络学习成为了一种越来越多人选择的新型的学习方式，因此网络教学资源展开了大规模的建设。

本体构建方法循环获取法本体构建是指根据特定领域的知识和概念，构建一个形式化的表示该领域的模型或者知识图谱。

循环获取法是指通过不断的迭代和循环，从不同的信息源或者数据中获取知识和信息的方法。

在本体构建中，循环获取法可以用于不断地更新和完善本体的内容，以确保本体的知识和信息是最新和全面的。

从本体构建的角度来看，循环获取法可以被应用在以下几个方面：1. 数据收集，通过循环获取法，可以持续地从不同的数据源中收集相关的领域知识和信息，包括文本数据、结构化数据、半结构化数据等。

这些数据可以用于构建本体的实例和属性。

2. 知识更新，随着领域知识的不断更新和演进，循环获取法可以帮助本体不断地获取最新的知识和信息，保持本体的时效性和准确性。

3. 信息抽取，循环获取法可以用于从大规模的数据中抽取出符合本体构建需求的信息和知识，包括实体关系、属性特征等，用于丰富本体的内容。

从循环获取法的角度来看，它在本体构建中的应用可以体现在以下几个方面：1. 迭代更新，通过循环获取法，可以不断地迭代更新本体的内容，包括添加新的实体、关系、属性，修正错误信息等，以不断完善和丰富本体的知识表示。

2. 自动化构建，循环获取法可以结合自动化的方式，持续地从数据源中抽取信息并将其转化为本体的表示，实现本体的自动化构建和更新。

3. 质量控制，循环获取法也可以用于监控和控制本体构建过程中的信息质量，通过循环地获取、验证和修正信息，确保本体的准确性和完整性。

综上所述，本体构建中的循环获取法是一个重要的方法，它可以帮助本体不断地获取、更新和完善知识，从而保证本体的时效性、准确性和完整性。

通过循环获取法，可以实现本体的持续演进和自动化构建，为领域知识的表示和应用提供坚实的基础。

计算机信息检索中的本体构建研究李兴春【摘要】利用本体理论技术,以最终检索需求应用为导向,结合“技术的更新在科研文献上能得到很大程度的反映”这一假设对本体中的概念进行进化,结合分类主题词表及百科等通用的知识库中的概念,半自动构造了一个计算机技术领域的本体,消除了构建本体过程中细节的干扰从而实现机器智能,从而为Web信息检索提供建议.【期刊名称】《重庆文理学院学报（社会科学版）》【年(卷),期】2013(032)003【总页数】5页(P87-91)【关键词】语义网;本体;构建【作者】李兴春【作者单位】重庆文理学院教学部,重庆永川402160【正文语种】中文【中图分类】TP301随着互联网的快速发展，随之而来的电子时代已开始深深改变着人们的生活和工作方式，巨大的网络资源库为处于信息化之中的人们提供了前所未有的机遇.信息技术(Information Technology)成为人们有效利用Web信息的最主要技术.它成为创新型国家的战略发展重点，其中信息的发现和组织起着非常重要的作用［1］. 本体(Ontology)的概念最初起源于哲学领域，20世纪70年代末John McCarthy将这个哲学术语引入到计算机领域.在人工智能界，最早给Ontology定义的是Neches等人.他们将Ontology定义为:“给出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的规定这些词汇外延的规则定义”.1993年，Gruber给出了Ontology的一个最为流行的定义［2］，即“Ontology是概念模型的明确规范说明”［3］.Ontology的目标是捕获相关领域的知识，提出供该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同的层次的形式化模式上给出这些词汇(术语)和词汇间相互关系的明确定义［4］.领域本体(Domain Ontology)是专业性的本体，描述的是特定领域中的概念和概念之间的关系，提供了某个专业学科领域中概念的词表以及概念间的关系，或在该领域里占主导地位的理论，能够独立存在和被使用［5］.1 本体建模方法及中文本体构建1.1 本体建模方法对同一领域，同一事物，不同的研究者建立的本体往往都不相同.由于本体通常是规范化的描述，因此有必要遵循统一的构造规范和准则.目前，Gruber提出的本体构建五项原则已成为最为常用的准则，具体包括:清晰性(Clarity):即本体必须能对其中所定义的术语给出有效解释.这些定义应该是客观的且不依赖于特定背景，当可以用逻辑公理对其进行表达时，应当是形式化的.总之，其定义应当尽可能地保持完整并可用自然语言加以解释.一致性(Coherence):本体应当是一致的，也就是说，它应该支持与其定义相一致的推理.它所定义的公理以及用自然语言进行说明的文档都应当具有一致性.可扩展性(Extendibility):本体应当为可预料到的任务提供概念基础.它应当可以支持在已有的概念基础上定义新的术语，以满足特殊的需求，而无须修改已有的概念定义.编码偏好程度最小(Minimal encoding bias):概念的描述不应该依赖于某种特定的符号层的表示方法.因为实际的系统可能采用不同的知识表示方法.本体约定最小(Minimal ontological commitment):本体约定应该满足最小原则，即其只要能够满足特定的知识共享需求即可.这可以通过定义约束最弱的公理以及只定义通讯所需的词汇来保证.在遵循这几点的基础上，通常采用七元组对本体的构成要素进行表示，包括:概念、概念属性、关系、关系属性、层次、实例以及公理7个集合.目前，国外研究人员根据具体的项目实施情况，提出了一系列的本体构建方法，比较经典的有:本体描述获取法(Ontology Description Capture Method，IDEF-5)、骨架法、Methontology 方法、TOVE企业建模法、七步法以及评价法等.国内也提出了一些类似的研究方法，如通过分解需求来进行本体建模或基于本体生命周期的方法来建模等.由于本体工程是工程化生产，标准化的表达方式和规范化的工作步骤成为了必然，而上述种种方法都是基于其特定的工程应用环境，领域的特殊性、各步骤实施的详细程度说明等都欠通用性，并且领域本体的建成需要领域专家的参与和审核等，加上全自动的本体构建效果不好，目前绝大部分的本体都属人工构建，费时费力，另外，中文又有其特殊性，更无公开的标准领域本体库.这一系列问题无疑都给本体建模增加了难度.1.2 中文本体建模本体本身的高质量对于本体的构建十分有利.当前，本体开发和构建还处于初级阶段，还没有形成统一的规范和操作方法.本体构建的主要问题集中于概念及概念之间关系的确定.对于概念的确定，现在主要的处理方法有以下3种:基于统计的方法、语言学的方法以及两者搭配使用的方法.纯手工的本体构建困难较大，而全自动构建的本体质量低，概念抽取不准确.如表1所示，由于本体和叙词表之间有着天然的联系——都是基于主题概念，而叙词表只是概念之间的简单集成，相比本体，缺乏详细的概念和属性等描述，鉴于对叙词表的研究较早且较成熟，基于叙词表(又名分类主题词表)的半自动领域本体构建得到了研究者们的青睐.表1 叙词表与本体的对比比较方面叙词表本体目的用于主题标引某一知识或应用领域的概念模型概念定义类目定义关系等级结构注释参见、互见等级结构注释特性及其类型数据模型数据结构数据类型无无关系型，Object-Oriented与数据库结构提问语言相容，也包括非数据库结构提问语言不相容的类型自然语言表述语言定义语言标记语言数学语言无无自然语言或规范语言RDF(S)，DAML+OIL第一逻辑由于语言和词语存在着变化，分类主题词表格的形成需要漫长的时间.当前的研究都未曾考虑到语言概念的演变，这种变化节奏更是难以适应计算机技术的变革，这使得其本体概念相对滞后.本文的研究对传统构建流程进行了创新.2 本体构建过程本文的研究在遵循本体构建的五准则和七步法的基础上，综合了前面方法的特点，综合分类主题词表和百科中的概念，利用近期文献中的主题词和关键词来校验、筛选和更新概念构建本体原型，进行半自动的计算机技术中文本体构建.结合生命周期模型，实际构建步骤如图1所示.3 基于主题词表的概念抽取和相关属性生成通过查询中国分类主题词表中的计算机技术以及计算机技术应用的分类主题词，文章抽取出了族首词“计算机技术”，首词下面分为软件、硬件、技术应用、软件开发和研究对象等几大部分.为了更新进化词库，我们搜索关键词、题名或目录分类为“计算机技术”或“计算机技术应用”的文献，并按分类随机选取近年发表的700多篇文章，抽取了文章的标题、关键词和前文摘要，从中筛选出至少出现5次以上的概念词供研究所用.结合这些候选关键词中提到的分类主题词和百科中的相关概念，最终得到我们所需要的本体关键词汇.由于涉及的分类太多，本文的研究仅仅选取其中“软件”模块进行阐述.软件又分为系统软件和应用软件，而且软件都是由“软件工程”开发出来，其中系统软件又下设编译器、操作系统、驱动管理工具等7大类.图2是软件模块的总类图.图1 本体构建流程图2 软件类结构图同样的方式我们可得到其他模块结构.概念类以及类的层级关系确定后，开始添加属性和实例.由于需求总是不能事先很精确地表达，所以属性和实例的添加是一个不断更新的过程，这样更有利于表达需求和节约时间而不至于影响总体框架.由于本次构建本体的最终目的是为了提高主题搜索引擎的检索质量，因此，综合计算机技术领域特点以及搜索习惯等因素，这里我们将具体的某种软件按作用归类后直接作为实例进行添加，而对于其硬件型号、大小、品牌等以及软件版本等在本体中都不做详细说明，以免本体过于臃肿.图3是应用软件“类—实例”详图，这样不但节约了空间，也不至于过于细节化，如考虑具体版本号等问题;另外，由于一些软件、硬件都具有中英文name，而且还存在别名情况，为了拓宽查询范围(即召回率)，本文为其设立hasLabel属性，设为datatype_Property.同样由于类也存在别名或缩写形式，我们利用rdfs:comment进行标注，异名同义概念采用isSameAs属性来进行连接，这里我们尽量减少同义类的设置，采用上面所述的标注法.图3 应用软件类部分截图一般属性按常见关系进行表述.以概念类、属性以及属性值的设置为例，其相关源码如下:最终类图如图4所示:图4 计算机技术部分类图4 本体的检验和存储本体建成后，还需进行检验和评价.这里，我们采用RacerPro来进行检验和分类，以便将存在于本体内的隐性知识完整地呈现出来.端口采用默认设置为localhost:8080.Racer能进行本体的检验以及简单的再分类处理，但不能进行复杂的自定义规则的推理和事实库的建立.本体推理能提高最终信息检索的查询相关度和语义推理能力，是本体必不可少的一部分.我们采用Jess来完成此功能.涉及的swrl规则主要有以下几条:本体经过一致性检验后，标志本体初建告一段落，当然，在后续的应用过程中仍有必要反过来对本体进行适当的细节修改.本体建成后，需要对本体进行存储.本体的存储有两种方法:一种是以文本文件进行存储，也就是owl或rdf(s)文件保存;另一种是跟数据库进行对接，以关系数据库形式存储.二者的查询效率依本体文件的大小而存在差异，小本体文件二者效率相当，但当本体文件较大时或有多个时，数据库文件的查询效率要优于owl文档形式.本文采用前者进行保存，包括owl和rdfs 两种文档形式，文件名统一为OntCT，便于后面的一系列应用处理.5 基于Protege的本体查询本文中OntCT的建立主要是为了提高最终的信息检索精度和广度，采用的主要方法是拓展检索关键词，如同义扩展和相关扩展等，采用匹配三元组的方式，返回相关的类或实例所在的文档或链接.这就涉及到本体查询.SPARQL最初是W3C的RDF数据工作组设计的一种查询语言和协议，用于RDF数据的查询.目前，SPARQL现已支持owl等格式的本体文件，是本体查询语言的推荐标准.Jena开发工具包支持调用该语言，即利用Jena API解析本体后，调用SPARQL的查询本体，最后将匹配的结果进行处理反馈给应用程序进行下一步的处理或反馈.这里，我们在Protege中调用SPARQL查询面板来进行前期的查询检查和研究，以验证其可用性，为后续研究做铺垫.我们测试了一系列查询子句的效果，为了便于标记，这里我们统一用x、y、z来表示变量，实际应用中可以替换成相应的类或实例名.主要查询代码如下:查询的结果如图5所示.结果显示，本文OntCT的构建是较为成功的，它增加了概念之间的联系，扩展了查询结果，包括类的相关类、类的标签及其实例和实例的标签.图5 实例标签查询结果6 结论本体技术是语义网的最重要的技术，有效本体的构建是本体应用的第一步.本文在现有本体理论、构建方法和技术的基础上，综合最终检索需求，在传统的本体建设方法上进行改进.本文以最终应用为导向，一定程度上减少了构建过程中细节的干扰，利用“技术的更新在科研文献上能得到很大程度的反映”这一假设来对本体中的概念进行进化，结合分类主题词表以及百科等通用的知识库中的概念，半自动构造了一个计算机技术领域的本体，为后续进一步的应用研究做铺垫.但还存在诸多不足，如概念理解的片面性和主观性等.本体的构建是一个不断更新改进的过程，具体领域的操作还存在一些特殊问题，如缺乏统一规范标准、实施过程中的详细规范等.这都将在以后研究实践中不断解决和完善.［参考文献］【相关文献】［1］李凌志，张玉婷.基于本体的信息集成研究［J］.情报杂志，2008(1):68-71.［2］刘耀，穗志方.领域Ontology概念描述体系构建方法探析［J］. 大学图书馆学报，2006，24(5):28-33.［3］徐静，孙坦，黄飞燕.近两年国外本体应用研究进展［J］. 图书馆建设，2008(8):84-90. ［4］柳佳刚，陈山，贺令亚.基于本体和DOM相结合的Web信息抽取器［J］.现代图书情报技术，2009(5):44-49.［5］周明健，高济，李飞.基于本体论的Web信息抽取［J］.计算机辅助设计与图形学学报，2004，16(4):535-541.。

一种基于本体的语义检索算法
盛秋艳;印桂生
【期刊名称】《计算机工程与应用》
【年(卷),期】2009(45)36
【摘要】本体技术作为一种能在语义和知识层次上描述概念体系的有效工具,在数字图书馆得到了广泛的关注.给出了本体结构及其词法的形式化定义.为解决RDF在语义检索中存在的问题,利用Jena工具,提出了一种提取和处理RDF层本体处理方法,给出了一种基于本体的语义检索算法.算法基于软件工程的思想,忽略不同的本体语言、本体的RDF层集合间的差异.算法分五步骤进行,包括:将RDF层本体信息从网页中分离并构建RDF模型、对RDF模型进行集合运算、RDF层本体的查询、修正RDF层本体以及对RDF层本体的序列化.实验结果表明缩短了查询时间,提高了检索的查全率及查准率.
【总页数】3页(P148-150)
【作者】盛秋艳;印桂生
【作者单位】哈尔滨工程大学,计算机科学与技术学院,哈尔滨,150001;哈尔滨工程大学,图书馆,哈尔滨,150001;哈尔滨工程大学,计算机科学与技术学院,哈尔
滨,150001
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于领域本体的质量信息语义检索 [J], 黄智源;张培;陈琨;崔冰华
2.一种基于本体的语义检索设计与实现 [J], 冉婕;漆丽娟
3.基于本体的商务语义信息检索算法研究 [J], 史红霞;欧阳毅;凌云
4.一种基于本体的移动学习资源语义检索模型 [J], 刘艺;万蓉;裴新涌;戴爱梅
5.一种基于本体的移动学习资源语义检索模型 [J], 刘艺;万蓉;裴新涌;戴爱梅因版权原因，仅展示原文概要，查看原文内容请购买。