基于FFCA的模糊本體學習方法研究.pdf

1、語義網旨在使互聯(lián)網中的數據信息具有機器可以識別和處理的語義，從而可以為人類提供更智能的服務和更便捷的渠道。本體是特定領域中概念及概念間關系的明確表述，是表達和處理語義的重要工具，因此可以作為實現(xiàn)語義網的基石。然而物質世界中的信息多數是不確定的，不確定性主要包括模糊性和粗糙性兩種基本表現(xiàn)形式，因此將模糊性引入本體所構成模糊本體是處理現(xiàn)實世界中模糊對象的有效工具?？梢?，構建模糊本體是一項意義深遠的研究工作。
　　 模糊本體構建方法主

2、要包括手工構建和半自動構建兩種。手工構建模糊本體不僅耗費較大，而且容易出錯。為此，半自動構建模糊本體的核心技術——模糊本體學習技術應運而生。模糊本體學習的目的是半自動地從數據源中提取模糊概念或關系，從而新建或改善已有模糊本體，由此構建出目標模糊本體。
　　 模糊形式概念分析(FFCA)由模糊集理論與形式概念分析結合而成，是一種基于模糊形式背景表示形式概念的模型，其主要表現(xiàn)形式是模糊概念格。這種圖型層次結構可以有效地分析處理數據和

3、更好地表達概念及概念之間的關系。
　　 本文基于FFCA模型和模糊本體學習技術，提出一種基于FFCA的模糊本體學習方法:首先將源模糊本體解析成模糊形式背景，同時收集和解析領域文檔，獲取模糊概念和關系，并將其導入模糊形式背景中，再通過擴展的模糊概念格漸進式構造方法生成模糊概念格并分簇，最后通過映射規(guī)則，將模糊概念格轉化為目標模糊本體。
　　 根據上述提出的模糊本體學習方法，本文設計了基于FFCA的模糊本體學習系統(tǒng)(FFCA