基于本体的案例推理模型研究.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于本体的案例推理模型研究 3谢红薇 , 基于本体的案例推理模型研究 3 谢红薇 , 李建伟 (太原理工大学 计算机与软件学院 , 太原 030024) 摘 要 : 提出了基于本体的案例检索及相似性评估方法和基于本体的案例适配模型 ,使得 CBR ( ca se2ba sed rea2 son ing)系统的开发可在语义层次上进行相似性评估和案例适配 ,这样得到的结果更能反映用户的真实需求 ; 并 且 CBR 所需要的领域知识可从本体中获取 ,大大降低了传统 CBR 系统中知识获取的瓶颈。最后在此基础上 ,提 出了基于本体的 CBR 系统模型框架 ,从软件复用的角度提高了 CBR 系统的开发效率。 关键词 : 本体 ; 案例推理 ; 语义相似性 ; 案例适配 ; 模型 中图分类号 : TP31 文献标志码 : A 文章编号 : 1001 23695 ( 2009) 04 21422 203 R e sea rch of ca se2ba sed rea son ing mode l ba sed on on to logy X IE Hong2we i, L I J ian2we i ( C ollege of C om pu ter Eng ineering S of tw a re, Ta iyuan U n iversity of Technology, Ta iyuan 030024, Ch ina ) A b stra c t: Th is p ap e r p ropo sed ca se re trieva l and sim ila rity a sse ssm en t u sing on to logy and p re sen ted a ca se adap ta tion mode l ba sed on on to logy, wh ich m ade the CBR system cou ld be deve lop ed in the sem an tic leve l fo r sim ila rity a sse ssm en t and ca se ad2 ap ta tion. The re su lt m e t the need s of u se rs be tte r. Mo reove r, on to logy a llowed the know ledge enginee r to u se know ledge a lready acqu ired, reduc ing con side rab ly the know ledge acqu isition bo ttleneck. F ina lly, p ropo sed a fram ewo rk deve lop ing CBR app lica tion s ba sed on on to logy, wh ich imp roved the effic iency of deve lopm en t from the p e rsp ec tive of softwa re reu se. Key word s: on to logy; CBR ( ca se2ba sed rea son ing) ; sem an tic sim ila rity; ca se adap ta tion; mode l 基于案例推理 ( CBR )是问题求解与学习相结合的一个范 例 ,近年来已发展成为最成功应用的人工智能子领域 。它的最 初提出基于这样一种观点 : 问题是重复发生的 ,即新问题与以 前遇到的问题经常是相似的 ,所以过去的解决方案或许可以解 决当前问题 。然而 ,目前的 CBR 系统大多是用静态的框架来 描述案例 ,存在着难以扩展 、可重构性和学习性差等缺点 ; 并 且在相似性评估环节 ,最常用的相似性评估方法是通过加权的 海明距离和欧几里德距离反函数来计算两个案例的相 似 度 [ 1 ] 。除了以上两种最常用的算法 , 文献 [ 2 ]还提出了曼哈 顿距离、无限模距离 、最近相邻 、对比函数等算法 。但所有这些 相似性度量方法 , 只考虑了有确定属性值的情况 , 或者将模 糊属性简单地与确定性属性同等处理 。以这种度量方式计算 案例间的相似度进行案例搜索、匹配的 CBR 系统处理复杂问 题时 , 不仅效率低 , 而且得到的结果也是难以令人满意的 。 而本体具有较强的知识表达能力和支持较强的推理能力 ,方便 了知识密集型 CBR ( know ledge in ten sive CBR )系统 [ 3, 4 ]的开发 , 并

文档评论(0)

小教资源库 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档