基於領域本體構建的多源異構數據語義集成的模型及方法
2023-05-04 06:38:46 1
基於領域本體構建的多源異構數據語義集成的模型及方法
【專利摘要】本發明公開了一種基於領域本體構建的多源異構數據語義集成的模型及方法，多源異構數據語義集成模型包括：局部本體構建模塊、領域本體合併模塊和語義查詢動態擴展及規約模塊。多源異構數據語義集成的方法包括：通過本體合併技術構建領域本體，並建立數據源和局部本體、局部本體和領域本體的語義映射關係；結合社會標註及本體在知識表達上的互補優勢，對用戶的語義查詢請求進行查詢規約及擴展，生成規範的語義查詢語句，對多個數據源分別進行查詢，然後將查詢結果去重和聚合優化，最終返回給用戶。本發明通過領域本體的構建與映射、查詢語義擴展及結果聚合優化，提供了一種基於領域本體構建的油氣勘探異構數據語義集成模型及方法。
【專利說明】基於領域本體構建的多源異構數據語義集成的模型及方法
【技術領域】
[0001]本發明屬於異構數據語義集成及油氣勘探知識發現的交叉領域，尤其涉及一種基於領域本體構建的多源異構數據語義集成模型及方法。
【背景技術】
[0002]隨著工業化和信息化融合的不斷深入，油氣勘探企業在長期的生產過程中積累了豐富詳實的諸如勘查、地震、測井等數據。這些以不同結構、存儲在不同位置的數據蘊含著豐富的地質信息，具有明顯的潛在應用價值，是油氣田未來勘探和開發的重要依據，是重要的科技創新資源。利用知識發現、人工智慧等方法和技術，從堆積如山的現有油氣勘探數據中找出有效的、新穎的、具有潛在效用的、最終可理解的規律和模式，並整合這類大規模異構數據資源實現數據語義共享，能夠為決策者提供更加完整和可靠的數據服務支持，從而指導油氣勘探企業制定科學的技術決策，為企業創造巨大的經濟效益。這是從「管理數據」提升到「管理知識」的有效途徑，也是當前及未來各領域深化信息系統建設發展的重要課題和方向。
[0003]油氣勘探領域的信息化建設始於六七十年代，由於涉及的專業門類比較多，各專業都採用封閉的規範，沒有共同的標準可遵循，因此造成了不同部門和系統之間信息共享困難、大量「信息孤島」存在的現象，為油氣勘探領域數據的集成應用和共享帶來了挑戰。針對油氣勘探數據管理及應用中面臨的困難，國內外學者提出了一些有效的數據集成方法並研製了相應的系統。但這些方法總體上仍採用了傳統的資料庫集成技術以及中間件技術，缺乏實時語義支持，在查詢請求語義擴展、資源的動態映射等方面存在諸多局限，準確率和效率不甚理想。
[0004]與油氣勘探相關的數據包括地下的地質構造、巖性、物性、電性、油氣的生儲蓋等。這些數據來自不同的部門和地區，形式多樣(包括關係資料庫、GIS數據、CAD圖、各種格式的圖像、視頻、文本等)，並且具有不同的結構類型(包括結構化的、半結構化的和非結構化的)，很難對這類多源異構數據進行統一地管理和語義層次的集成和共享。更重要的是，越來越多的油氣資源能夠基於現存的勘探信息被勘探和開發，它們已成為石油公司重要的數據資產，對提高油氣勘探信息技術水平、資料解釋的準確性以及輔助制定正確的決策，均具有重要意義，這些數據的有效利用，對改善石油公司的經濟效益也具有重要的作用。另外，決策者思維方式的改變也為數據的知識構建奠定了理念基礎，現代數據管理提倡「買而非建」的經營思想，即競爭不放在如何獲取和佔有數據上，而是放在對數據的細緻分析和解釋研究中。因此，從這些多源異構的油氣勘探數據中進行知識的統一構建和語義集成具有重要的意義。
[0005]本體作為一種共享概念模型的明確的形式化規範，具有良好的概念層次結構和邏輯推理支持能力，非常適合描述領域知識規範，對異構數據的語義集成及查詢具有很強的支撐作用。將本體引入油氣勘探數據集成中，有助於解決其在數據集成中缺乏語義支持及規範化等方面的難點問題。因此，將本體技術引入到油氣勘探知識發現和知識工程領域，變「數據管理」為「知識管理」，有助於解決目前油氣勘探數據共享程度低、語義異構等方面存在的問題。為了尋求油氣勘探數據語義集成理論及方法上的突破，建立基於領域本體構建的油氣勘探數據語義集成機制和模型，能夠有效提高現有數據的利用價值，對石油工程相關部門的科學決策將具有重要的理論意義和實用價值。
【發明內容】
[0006]本發明實施例的目的在於提供一種基於領域本體構建的多源異構數據語義集成的模型及方法，旨在解決油氣勘探異構數據間的語義集成和共享的問題。
[0007]本發明實施例是這樣實現的，一種基於領域本體構建的多源異構數據語義集成的方法，該基於領域本體構建的多源異構數據語義集成的方法包括:
[0008]利用本體構建技術，自動、半自動地建立多源異構數據的局部本體,通過本體合併技術構建領域本體，並建立數據源和局部本體、局部本體和領域本體之間的語義映射關係;
[0009]結合社會標註及本體在知識表達上的互補優勢，對用戶的語義查詢請求進行查詢規約及擴展，生成規範的語義查詢語句，對多個數據源分別進行查詢，然後將查詢結果去重和聚合優化，最終返回給用戶。
[0010]本發明的另一目的在於提供一種基於領域本體構建的多源異構數據語義集成的模型，該基於領域本體構建的多源異構數據語義集成模型包括:局部本體構建模塊、本體合併模塊和語義查詢動態擴展及規約模塊；
[0011]局部本體構建模塊，根據數據源特徵，自適應地選擇本體構建策略,從而構建出油氣勘探局部本體；
[0012]本體合併模塊，與局部本體構建模塊連接，採用將概念匹配和屬性匹配相結合的本體合併方法，利用最大信息係數(MIC)方法計算概念語義相似度和概念屬性的語義相似度，實現多個局部本體到領域本體的靈活合併；
[0013]語義查詢動態擴展及規約模塊，與局部本體構建模塊連接，用於查詢請求動態擴展的有效性及結果的聚合優化。
[0014]進一步，局部本體構建模塊，根據數據源特徵,通過自適應本體構建策略,進行局部本體的構建，具體包括:
[0015]步驟一、基於非結構化數據源構建局部本體:
[0016]首先，應用文本過濾器將不同的文件格式轉成為純文本文件格式，獲得語料數據，並進行一致性檢查；然後，採用逆向最大分類中文分詞方法對這些語料進行初步的切分處理，得到字串集合；然後，利用最大信息係數(MIC)方法計算字串的內部結合強度，獲取合成詞集合，並判斷合成詞和非合成詞的領域相關性，提取出概念集合；然後，應用圖上隨機遊走算法推理合成詞概念間的分類關係，採用基於隱Markov模型(HMM)的聚類算法提取非合成詞概念間的分類關係；接著，運用基於關聯規則挖掘的方法獲取概念間的非分類關係；最後，應用本體構建工具輸出OWL格式的局部本體；
[0017]步驟二，基於結構化數據源構建局部本體:
[0018]首先，利用R20技術建立資料庫模式和本體模型之間的語義映射關係，從而把關係資料庫中的關係映射為本體中的概念，把屬性對應地映射為OWL屬性，並把資料庫的關係錶轉化為本體類，把資料庫中的數據轉化為實例；然後，對從資料庫中抽取出來的初始局部本體做一系列的規範化工作，通過與標準本體進行語義相似度計算，將符合閾值的本體信息建立語義聯繫，不符合閾值的本體信息進行規範化處理，從而構建出符合要求的規範化局部本體；
[0019]步驟三，基於半結構化數據源構建局部本體
[0020]由於半結構化數據是介於結構化和非結構化數據之間的、具有隱含結構但缺乏固定或嚴格結構的一類數據，所以，基於上述兩種數據類型的本體構建技術也可以應用到半結構化數據源，首先，抽取出半結構化數據模式，給定映射規則，利用XML2RD方法，將半結構化數據轉化為結構化數據；然後，按照結構化數據構建局部本體的方法構造半結構化數據源對應的局部本體。
[0021]進一步，本體合併模塊合併的方法為:
[0022]採用將概念匹配和屬性匹配相結合的本體合併方法，利用最大信息係數MIC方法計算概念語義相似度和概念屬性的語義相似度，然後，通過相似度評估函數對概念間的相似度進行評估，輸出相似矩陣，並對相似矩陣運用領域公理約束知識進一步評估其相似性；接著，通過機器學習的方法訓練學習分類器，利用學習分類器計算概念實例間的相似度；最後，通過結合IS015926油氣本體和模糊形式概念分析方法，綜合考慮語義相似度的對稱性和傳遞性關係，將模糊集理論引入語義相似度的設定中，實現多個局部本體到領域本體的靈活合併。
[0023]進一步，語義查詢動態擴展及規約模塊實現的具體方法為:
[0024]首先，藉助社會標註語義分析和本體包含的概念關係及推理能力，對查詢請求進行語法及語義上的規約與擴展，生成規範的語義查詢語句，解決查詢請求與領域本體數據源之間由於表達形式的不同所造成的失配問題，並根據用戶的查詢請求自動推薦一簇語義相關標籤，為實現數據源準確聚集提供導引；然後，通過計算擴展查詢請求和領域本體概念間的語義相似度來量化請求與資源概念間的關聯度；最後，利用社會標註和本體包含的豐富概念語義關係，對查詢結果模式進行語義注釋，根據社會標註的語義全局效應，引入以統計分析結果獲得的最相關可信性標註所指向的數據源作為查詢結果可信性評價標準之一，對結果集進行去重和聚合優化，實現可信的Top-K查詢。
[0025]本發明提供的基於領域本體構建的多源異構數據語義集成的模型及方法，通過領域本體的構建與映射、查詢語義擴展及結果聚合優化，提供了一種基於領域本體構建的油氣勘探異構數據語義集成模型，解決了油氣勘探異構數據間的集成和共享，該語義集成模型還具有鬆耦合、易擴展、支持語義查詢等良好特性。
[0026]本發明實現了數據源的動態增長，對於新增的數據源，只需要提供相應的包裝器，構建對應的局部本體即可，可提高集成系統的靈活性和實用性。用領域本體描述領域知識，局部本體描述某一領域中的異構信息知識，並分別建立領域本體與局部本體的映射、局部本體與數據源的映射，使得領域本體、局部本體和數據源既互相聯繫，又相對獨立，能夠降低語義集成系統的耦合性。為了實現語義查詢及易用性，結合社會標註及本體在知識表達上的互補優勢，對用戶的語義查詢請求進行查詢規約及擴展，並對查詢結果去重和聚合優化，最終將優化後的結果返回給用戶。
【專利附圖】
【附圖說明】
[0027]圖1是本發明實施例提供的基於領域本體構建的多源異構數據語義集成的方法流程圖；
[0028]圖2是本發明實施例提供的基於領域本體構建的多源異構數據語義集成模型的結構示意圖；
[0029]圖中:1、局部本體構建模塊；2、本體合併模塊；3、語義查詢動態擴展及規約模塊；
[0030]圖3是本發明實施例提供的基於領域本體構建的多源異構數據語義集成模型的實施例；
[0031]圖4是本發明實施例提供的非結構化數據源構建局部本體的流程圖；
[0032]圖5是本發明實施例提供的簡單的抽象本體示意圖。
【具體實施方式】
[0033]為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。
[0034]下面結合附圖及具體實施例對本發明的應用原理作進一步描述。
[0035]如圖1所示，本發明實施例的基於領域本體構建的多源異構數據語義集成的方法包括:
[0036]SlOl:利用本體構建技術，自動、半自動地建立多源異構數據的局部本體,通過本體合併技術構建領域本體，並建立數據源和局部本體、局部本體和領域本體的語義映射關係;
[0037]S102:結合社會標註及本體在知識表達上的互補優勢，對用戶的語義查詢請求進行查詢規約及擴展，生成規範的語義查詢語句，對多個數據源分別進行查詢，然後將查詢結果去重和聚合優化，最終返回給用戶。
[0038]如圖2所示，本發明實施例的基於領域本體構建的多源異構數據語義集成模型主要由:局部本體構建模塊1、本體合併模塊2和語義查詢動態擴展及規約模塊3組成；
[0039]局部本體構建模塊I,根據數據源特徵，自適應地選擇本體構建策略,從而構建出油氣勘探局部本體；
[0040]本體合併模塊2，與局部本體構建模塊I連接,採用將概念匹配和屬性匹配相結合的本體合併方法，利用最大信息係數MIC方法計算概念語義相似度和概念屬性的語義相似度，實現多個局部本體到領域本體的靈活合併；
[0041]語義查詢動態擴展及規約模塊3，與局部本體構建模塊I連接，用於查詢請求動態擴展的有效性及結果的聚合優化。
[0042]結合附圖3對本發明的基於領域本體構建的多源異構數據語義集成模型做進一步的說明:
[0043]1、局部本體構建模塊:
[0044]目前，還沒有成熟、統一的方法論指導本體的構建，建立相對完整的領域本體，不僅需要捕獲大量的領域概念知識，還需要解決這些領域概念的語義衝突、二義性等問題，這導致本體構建的工作既單調乏味、又困難棘手，成為知識獲取的瓶頸，另外，雖然現有本體構建工具的編輯環境已經可以滿足建立本體的需要，但是完全靠手工搜集領域概念及領域概念間的關係來構建本體，仍然是一項費時費力的工作，使得基於本體的應用難以推廣，因此，研究從多源異構數據中自動、半自動地構建領域本體，並實現領域本體與多源異構數據的快速映射，從而解決本體構建及查詢中的語義不一致和時間瓶頸問題，這對基於領域本體的數據語義集成具有重要的理論意義和研究價值；
[0045]油氣勘探領域本體自適應構建策略可根據數據源特徵，自適應地選擇不同的本體構建策略，主要分為四個方面:基於非結構化數據源(如文檔、網頁等)構建局部本體、基於結構化數據源(如關係資料庫)構建局部本體、基於半結構化數據源構建局部本體以及局部本體合併為領域本體。
[0046]I)基於非結構化數據源構建局部本體:
[0047]在將非結構化數據源構建成本體時，首先要進行數據預處理，數據預處理的主要目的是通過過濾無價值的符號及詞語，從而抽取出有意義的術語，當前，一些自然語言處理工具(如OpenNLP、CKIP等)已能夠較好地實現該功能，在本發明中，採用OpenNLP來實現非結構化數據源的預處理工作。
[0048]對於非結構化數據源，首先，應用文本過濾器將不同的文件格式轉成為純文本文件格式，獲得語料數據，並進行一致性檢查；然後，採用逆向最大分類中文分詞方法對這些語料進行初步的切分處理，得到字串集合；然後，利用最大信息係數(MIC)計算字串的內部結合強度，獲取合成詞集合，並判斷合成詞和非合成詞的領域相關性，提取出概念集合；然後，應用圖上隨機遊走算法推理合成詞概念間的分類關係，採用基於隱Markov模型(HMM)的聚類算法提取非合成詞概念間的分類關係；接著，運用基於關聯規則挖掘的方法獲取概念間的非分類關係；最後，應用本體構建工具輸出OWL格式的局部本體。具體流程如圖4所
/Jn ο
[0049]2)基於結構化數據源構建局部本體:
[0050]從結構化數據源構建局部本體主要考慮從關係資料庫中通過語義映射自動構建油氣勘探領域本體。首先，利用R20技術建立資料庫模式和本體模型之間的語義映射關係，從而把關係資料庫中的關係映射為本體中的概念，把屬性對應地映射為OWL屬性，並把資料庫的關係錶轉化為本體類，把資料庫中的數據轉化為實例；然後，對從資料庫中抽取出來的初始局部本體做規範化工作，通過與標準本體進行語義相似度計算，將符合閾值的本體信息建立語義聯繫，不符合閾值的本體信息進行規範化處理，從而構建出規範化的局部本體。
[0051]3)基於半結構化數據源構建局部本體:
[0052]首先，抽取出半結構化數據模式，給定映射規則，利用XML2RD方法，將半結構化數據轉化為結構化數據；然後，按照結構化數據構建局部本體的方法構造半結構化數據源對應的局部本體。
[0053]2、本體合併模塊:
[0054]目前本體合併的研究主要集中在概念匹配上，即通過匹配找到兩個本體概念間的語義對應關係，這將導致本體合併結果不全面的情況，本發明中採用將概念匹配和屬性匹配相結合的本體合併方法，利用最大信息係數MIC方法計算概念語義相似度和概念屬性的語義相似度，然後，通過相似度評估函數對概念間的相似度進行評估，輸出相似矩陣，並對相似矩陣運用領域公理約束知識進一步評估其相似性；接著，通過機器學習的方法訓練學習分類器，利用學習分類器計算概念實例間的相似度；最後，通過結合IS015926油氣本體和模糊形式概念分析(FFCA)方法，綜合考慮語義相似度的對稱性和傳遞性關係，將模糊集理論引入語義相似度的設定中，從而實現多個局部本體到領域本體的靈活合併；
[0055]3、語義查詢動態擴展及規約模塊:
[0056]查詢請求動態擴展的有效性及結果的聚合優化是油氣勘探數據語義集成的另外一個關鍵問題，首先，藉助社會標註語義分析和本體包含的概念關係及推理能力，對查詢請求進行語法及語義上的規約與擴展，生成規範的語義查詢語句(通常是SPARQL語句)，解決查詢請求與領域本體數據源之間由於表達形式的不同所造成的失配問題，並根據用戶的查詢請求自動推薦一簇語義相關標籤，為實現數據源準確聚焦提供導引；然後，通過計算擴展查詢請求和領域本體概念間的語義相似度來量化請求與資源概念間的關聯度；最後，利用社會標註和本體包含的豐富概念語義關係，對查詢結果模式進行語義注釋，根據社會標註的語義全局效應，引入以統計分析結果獲得的最相關可信性標註所指向的數據源作為查詢結果可信性評價標準之一，對結果集進行去重和聚合優化，實現可信的Top-K查詢。
[0057]語義距離通常指兩個概念間的語義相近程度，是衡量語義相似度的一種有效手段，兩個概念間的語義距離越小，它們的語義越接近，反之越遠，語義距離和語義相似度通常成反比關係，在信息檢索領域中，語義距離越小，說明信息跟用戶查詢請求越接近，當語義距離為O時，信息完全符合用戶的請求，當語義距離大於某個值時，信息與用戶查詢無關聯，因此不能作為結果集返回，對於返回的結果集，完全由用戶自己主觀判斷結果集中的任一結果是否滿足要求，基於本體的語義距離主要度量本體中概念間連接邊的長度，兩個概念在本體中的連接路徑越短，它們就越相似，每條連接邊的長度由其包含的信息量決定，設P (c)為概念c在整個概念集中的發生概率，設count (c)為概念c在本體O中的出現次數，count (O)為本體O中概念的總數目，由於概念可能以不同抽象層次的形式出現在本體中，計算概念總的出現次數時應累加其所有子概念的出現次數，P(c)的計算方法為:
count{c) + count (c')
[0058](c) =_^__(I)
awn/(O)
[0059]由式(I)可知，p(c)隨著c在本體0中所在層次的上升單調增加，且p (Root)=1，如圖 5 所示，p(c。)= I, P(C1) = 0.5 ；
[0060]設parent (c)為概念c在本體O中的父親集合,則:
[0061]
parent{c) = |t.'|.c')\(2)
[0062]根據H關係的無環性，易知:
[0063]Vc e C, if parent{c) Φ φ, then \parent{c)\ = I(3)
[0064]其中，|parent(c) |表示集合parent (c)中包含的元素個數；
[0065]由資訊理論可知，如果一個概念出現的頻率越大，它所包含的信息量就越少；反之，如果一個概念出現的頻率越小，它所包含的信息量就越多，因此，概念c所包含的信息量為:
[0066]1(c) = -log (p (c)) (4)
[0067]因此，連接邊c — parent (c)包含的信息量為:
【權利要求】
1.一種基於領域本體構建的多源異構數據語義集成的方法，其特徵在於，該基於領域本體構建的多源異構數據語義集成的方法包括: 利用本體構建技術，自動、半自動地建立多源異構數據的局部本體，通過本體合併技術構建領域本體，並建立數據源和局部本體、局部本體和領域本體之間的語義映射關係； 結合社會標註及本體在知識表達上的互補優勢，對用戶的語義查詢請求進行查詢規約及擴展，生成規範的語義查詢語句，對多個數據源分別進行查詢，然後將查詢結果去重和聚合優化，最終返回給用戶。
2.一種基於領域本體構建的多源異構數據語義集成的模型，其特徵在於，該基於領域本體構建的多源異構數據語義集成模型包括:局部本體構建模塊、本體合併模塊和語義查詢動態擴展及規約模塊； 局部本體構建模塊，根據數據源特徵，自適應地選擇本體構建策略，從而構建出油氣勘探局部本體； 本體合併模塊，與局部本體構建模塊連接，採用將概念匹配和屬性匹配相結合的本體合併方法，利用最大信息係數方法計算概念語義相似度和概念屬性的語義相似度，實現多個局部本體到領域本體的靈活合併； 語義查詢動態擴展及規約模塊，與局部本體構建模塊連接，用於查詢請求動態擴展的有效性及結果的聚合優化。
3.如權利要求2所述的基於領域本體構建的多源異構數據語義集成的模型，其特徵在於,局部本體構建模塊,根據數據源特徵,通過自適應本體構建策略,進行局部本體的構建，具體包括: 步驟一、基於非結構化數據源構建局部本體: 首先，應用文本過濾器將不同的文件格式轉成為純文本文件格式，獲得語料數據，並進行一致性檢查；然後，採用逆向最大分類中文分詞方法對這些語料進行初步的切分處理，得到字串集合；然後，利用最大信息係數方法計算字串的內部結合強度，獲取合成詞集合，並判斷合成詞和非合成詞的領域相關性，提取出概念集合；然後，應用圖上隨機遊走算法推理合成詞概念間的分類關係，採用基於隱Markov模型的聚類算法提取非合成詞概念間的分類關係；接著，運用基於關聯規則挖掘的方法獲取概念間的非分類關係；最後，應用本體構建工具輸出OWL格式的局部本體； 步驟二，基於結構化數據源構建局部本體: 首先，利用R20技術建立資料庫模式和本體模型之間的語義映射關係，從而把關係資料庫中的關係映射為本體中的概念，把屬性對應地映射為OWL屬性，並把資料庫的關係錶轉化為本體類，把資料庫中的數據轉化為實例；然後，對從資料庫中抽取出來的初始局部本體做一系列的規範化工作，通過與標準本體進行語義相似度計算，將符合閾值的本體信息建立語義聯繫，不符合閾值的本體信息進行規範化處理，從而構建出符合要求的規範化局部本體； 步驟三，基於半結構化數據源構建局部本體 由於半結構化數據是介於結構化和非結構化數據之間的、具有隱含結構但缺乏固定或嚴格結構的一類數據；所以，基於上述兩種數據類型的本體構建技術也可以應用到半結構化數據源；首先，抽取出半結構化數據模式，給定映射規則，利用XML2RD方法，將半結構化數據轉化為結構化數據；然後，按照結構化數據構建局部本體的方法構造半結構化數據源對應的局部本體。
4.如權利要求2所述的基於領域本體構建的多源異構數據語義集成的模型，其特徵在於，本體合併模塊合併的方法為: 採用將概念匹配和屬性匹配相結合的本體合併方法，利用最大信息係數方法計算概念語義相似度和概念屬性的語義相似度，然後，通過相似度評估函數對概念間的相似度進行評估，輸出相似矩陣，並對相似矩陣運用領域公理約束知識進一步評估其相似性；接著，通過機器學習的方法訓練學習分類器，利用學習分類器計算概念實例間的相似度；最後，通過結合IS015926油氣本體和模糊形式概念分析方法,綜合考慮語義相似度的對稱性和傳遞性關係，將模糊集理論引入語義相似度的設定中，實現多個局部本體到領域本體的靈活合併。
5.如權利要求2所述的基於領域本體構建的多源異構數據語義集成的模型，其特徵在於，語義查詢動態擴展及規約模塊實現的具體方法為: 首先，藉助社會標註語義分析和本體包含的概念關係及推理能力，對查詢請求進行語法及語義上的規約與擴展，生成規範的語義查詢語句，解決查詢請求與領域本體數據源之間由於表達形式的不同所造成的失配問題，並根據用戶的查詢請求自動推薦一簇語義相關標籤，為實現數據源準確聚集提供導引；然後，通過計算擴展查詢請求和領域本體概念間的語義相似度來量化請求與資源概念間的關聯度；最後，利用社會標註和本體包含的豐富概念語義關係，對查詢結果模式進行語義注釋，根據社會標註的語義全局效應，引入以統計分析結果獲得的最相關可信性標註所指向的數據源作為查詢結果可信性評價標準之一，對結果集進行去重和聚合優化，實現可信的Top-K查詢。
【文檔編號】G06F17/30GK104182454SQ201410317211
【公開日】2014年12月3日 申請日期:2014年7月4日 優先權日:2014年7月4日
【發明者】葛繼科, 楊治明, 陳祖琴, 劉興華, 裴仰軍, 王成敏, 黃永文 申請人:重慶科技學院