计算机科学与探索
計算機科學與探索
계산궤과학여탐색
JOURNAL OF FRONTIERS OF COMPUTER SCIENCE & TECHNOLOGY
2015年
5期
575-585
,共11页
田刚%何克清%孙承爱%赵卫东%赵一
田剛%何剋清%孫承愛%趙衛東%趙一
전강%하극청%손승애%조위동%조일
Web服务参数%本体学习%层次Dirichlet过程(HDP)
Web服務參數%本體學習%層次Dirichlet過程(HDP)
Web복무삼수%본체학습%층차Dirichlet과정(HDP)
Web service parameter%ontology learning%hierarchical Dirichlet process (HDP)
目前互联网上已有的本体难以满足Web服务语义查询的需要,而手工建立本体不仅困难而且成本很高,因此有必要建立一种从已有Web服务描述中进行本体学习的方法,辅助领域专家建立高质量的领域本体。针对上述问题,提出了一种针对Web服务描述的本体学习方法。该方法利用一种基于层次Dirichlet过程(hierarchical Dirichlet process,HDP)的主题模型自动学习本体层次结构和每一层中所包含的主题数目。每一层次的主题采用“代表单词”表示,“代表单词”由算法计算得出。基于参数组合模式的规则定义语义丰富规则,并被应用在自底向上的本体语义丰富算法中。实验表明,该方法在语义内容上要比单独使用hHDP(hierar-chies of hierarchical Dirichlet process)方法更加丰富,在语义层次上要好于使用关联规则挖掘方法形成的本体。
目前互聯網上已有的本體難以滿足Web服務語義查詢的需要,而手工建立本體不僅睏難而且成本很高,因此有必要建立一種從已有Web服務描述中進行本體學習的方法,輔助領域專傢建立高質量的領域本體。針對上述問題,提齣瞭一種針對Web服務描述的本體學習方法。該方法利用一種基于層次Dirichlet過程(hierarchical Dirichlet process,HDP)的主題模型自動學習本體層次結構和每一層中所包含的主題數目。每一層次的主題採用“代錶單詞”錶示,“代錶單詞”由算法計算得齣。基于參數組閤模式的規則定義語義豐富規則,併被應用在自底嚮上的本體語義豐富算法中。實驗錶明,該方法在語義內容上要比單獨使用hHDP(hierar-chies of hierarchical Dirichlet process)方法更加豐富,在語義層次上要好于使用關聯規則挖掘方法形成的本體。
목전호련망상이유적본체난이만족Web복무어의사순적수요,이수공건립본체불부곤난이차성본흔고,인차유필요건립일충종이유Web복무묘술중진행본체학습적방법,보조영역전가건립고질량적영역본체。침대상술문제,제출료일충침대Web복무묘술적본체학습방법。해방법이용일충기우층차Dirichlet과정(hierarchical Dirichlet process,HDP)적주제모형자동학습본체층차결구화매일층중소포함적주제수목。매일층차적주제채용“대표단사”표시,“대표단사”유산법계산득출。기우삼수조합모식적규칙정의어의봉부규칙,병피응용재자저향상적본체어의봉부산법중。실험표명,해방법재어의내용상요비단독사용hHDP(hierar-chies of hierarchical Dirichlet process)방법경가봉부,재어의층차상요호우사용관련규칙알굴방법형성적본체。
At present, ontologies on the Internet are hard to satisfy the needs of semantic searching on Web services. Manually building ontologies referring to specific application is difficult and costly, so that it is necessary to estab-lish a method of ontology automatically learning from Web service descriptions to facilitate domain experts generating high quality ontologies. In view of these problems, this paper proposes an ontology learning method from Web ser-vice descriptions. This method automatically learns ontology hierarchical structures and topics in each level by using topic model based on HDP (hierarchical Dirichlet process). Topics in each level are represented by“representation word”whose calculation is defined. Rules according to parameters composition pattern which define semantic enriching rules are utilized in the bottom-up ontology sematic enriching algorithm. Experiments show that the proposed method is richer in semantics than hHDP (hierarchies of hierarchical Dirichlet process) and better in semantic hierarchies than the method using association rule mining.