描述邏輯公理的統(tǒng)計(jì)關(guān)系學(xué)習(xí)方法.pdf

1、隨著語義Web的發(fā)展，已經(jīng)有大量語義Web數(shù)據(jù)存在。然而許多數(shù)據(jù)缺少結(jié)構(gòu)和豐富的知識表示，本體的不完備性比較嚴(yán)重。本體學(xué)習(xí)能夠降低本體的不完備性，是語義Web能否成功的關(guān)鍵之一?，F(xiàn)有本體學(xué)習(xí)研究的不足在于:(1)已有的本體學(xué)習(xí)方法主要采用歸納邏輯程序設(shè)計(jì)，很少采用統(tǒng)計(jì)關(guān)系學(xué)習(xí)方法;(2)已有的本體學(xué)習(xí)的數(shù)據(jù)源以自由文本居多，很少從語義Web數(shù)據(jù)中進(jìn)行學(xué)習(xí);(3)常用的來自于信息抽取領(lǐng)域的本體學(xué)習(xí)評價(jià)標(biāo)準(zhǔn)對黃金標(biāo)準(zhǔn)本體過于敏感。
　

2、　針對這些問題，本文主要進(jìn)行以下研究:
　　1)首次結(jié)合描述邏輯ALC與貝葉斯網(wǎng)絡(luò)，提出一種統(tǒng)計(jì)關(guān)系模型BelNet+(An Extension ofBayesian description logic Network)。針對使用貝葉斯網(wǎng)絡(luò)表示BelNet+對網(wǎng)絡(luò)結(jié)構(gòu)為有向無環(huán)的限制，提出了一種鏈接方向賦值算法。同時(shí)實(shí)現(xiàn)了利用極大似然法對BelNet+進(jìn)行參數(shù)估計(jì)的方法，并且對查詢貝葉斯包含/不交公理（對應(yīng)于描述邏輯中的包含/不交

3、公理）進(jìn)行了深入探究，提出并驗(yàn)證了查詢貝葉斯包含/不交公理成立概率的方法。
　　2)提出基于BelNet+進(jìn)行本體學(xué)習(xí)的方法。由于本體的模式層的公理可能不完備，其對應(yīng)的BelNet+所定義的貝葉斯網(wǎng)絡(luò)有可能無法支持有效的推理，由此提出對貝葉斯網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)學(xué)習(xí)，利用學(xué)習(xí)得到的貝葉斯網(wǎng)絡(luò)上進(jìn)行大量的貝葉斯包含/不交公理的概率查詢，從而能夠?qū)崿F(xiàn)公理學(xué)習(xí)的目的。
　　3)針對現(xiàn)在本體學(xué)習(xí)評價(jià)方法的不足，提出原有混淆矩陣的擴(kuò)展，并相應(yīng)