论文部分内容阅读
针对联合作战数据工程建设的新需求,我们对军事训练领域的基础数据进行研究,构建了军事训练本体,消除了军事训练领域数据的异构性和歧异性;并基于该军事训练本体开发了分布式数据库搜索引擎,实现了数据透明共享。在系统研究过程中论文主要工作如下:1、提出军事训练本体定义的六元组结构。2、在通用策略的指导下构建军事训练本体,重点讨论构建过程中的“概念化”措施中三个子措施“概念抽取”、“概念关系定义”和“约束生成“的自动化实现:(1)“概念抽取”按照概念间关系分“顶层概念抽取“和”具体领域概念抽取“两个阶段进行:顶层概念抽取通过概念图技术得到顶层概念和概念间的层次关系,对应建立军事训练本体定义的部分C元素和H关系描述;具体领域概念抽取探讨了两个关键技术——关系数据模式映射、智能分词技术。(2)“关系定义”分成关系定义和关系自动学习两部分进行讨论:定义军事训练领域中基础关系和自定义关系两种关系,在本体描述语言OWL中增加了自定义关系原语,对应建立军事训练本体的R元素和relation元素;讨论关系的自动学习算法,对应生成军事训练本体定义的relation元素的实例。(3)基本约束建立:分析军事训练本体的值约束和基数约束两种基本约束类型,对应建立军事训练本体定义的F元素。3、探讨了军事训练本体在分布式数据库搜索引擎的三个应用:(1)提出了基于军事训练本体的索引建立和优化技术在索引的建立过程中,重新定义了索引的结构:对每个索引词添加了对应的概念项,并且基于来源的不同对索引词的权重进行赋值。(2)提出了基于指挥员兴趣本体的结果排序本文提出了改进的指挥员兴趣兴趣矩阵,对于该矩阵的行向量和列向量的计算都提出了新的计算方式,同时对指挥员兴趣空间进行成分分析,提取特征进行聚类,基于聚类的模型和查询向量概念化,给用户举荐结果。(3)提出了基于概念图和隐马尔科夫模型的自动摘要的生成在理解程度之上的自动摘要生成,通过生成概念图,提取概念和概念之间的关系,生成可读性较好、冗余较少的自动摘要。