基于本体的科学数据集成与共享方法研究

来源 :太原科技大学 | 被引量 : 0次 | 上传用户:tianwang782
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着数字信息科学的发展,科学数据在科研活动中的作用日益提升。它不仅是经济发展、国家安全的重要战略资源,而且是政府决策和科学决策的重要依据;作为信息时代最活跃,最基本,最具影响力的一种科技资源,科学数据从根本上推动了科技进步和创新发展。在科学数据传播与流通的过程中,通过数据集成来实现数据共享,即“把珍珠串成项链”以供全社会利用,充分体现数据的价值和效益。我国科技界虽然累积了大量的数据资源,但是由于管理方法落后,缺乏有效的整合手段,数据共享的程度比较低,而且还存在大量的数据散失和共享壁垒的问题。领域知识难以准确描述,大量数据难以归类存储,相关信息的查准率和查全率也有待提高。如何在大量无规则的数据信息中,通过知识推理发现新的信息成为数据集成与共享研究过程中的难题。在煤矿安全预警与防范中,瓦斯预警存在着数据利用率低、知识零散、信息获得的难度大等问题,导致不能依靠最新的数据通过知识推理得到有用可靠的信息,难以准确的实现瓦斯灾害预警。本体作为一种新兴的数据集成方法,能够较好地描述特定领域的概念知识以及关联规则关系。本文在深入研究了本体方法与数据集成共享技术的基础上,针对瓦斯预警中数据共享存在的问题,将采集到的瓦斯预警科学数据集成,采用本体方法和OWL描述语言,描述数据概念之间的属性关系;通过SWRL语言描述概念间的推理规则,建立了基于本体的瓦斯预警数据集成与共享模型,实现了基于本体知识规则的信息查询与数据共享。与传统的数据库查询和映射表查询相比,基于本体知识规则的信息查询能完成多组信息组合的查询,同时通过本体内部的知识推理,可以得到更多相关的查询信息。借助本体模式不仅可以大大提高信息的查询效率,同时可以合理的解决知识和数据的存储的问题。瓦斯数据本体模型不仅可以对以往的瓦斯数据进行整合推理,同时也为可以通过知识推理派生大量新的数据。借助这个模型,煤炭领域专家可以得出更可靠的结论。
其他文献
语义问题一直是自然语言处理领域的一个难点。近年来,随着深度学习技术的逐渐兴起,越来越多的研究采用深度神经网络对语义相关的问题进行建模。在语义层面上开展研究,能更为有效
服务注册中心是SOA的重要组成部分,它负责服务的注册、发现和管理等功能,是维护SOA计算模式正常运行的基础。传统的服务注册中心采用集中式结构。随着服务数量不断增加,集中
随着计算机技术的发展及互联网的广泛应用,各行各业积累了大量的应用数据。如何对这样海量的数据进行高效而精准的学习成为亟待解决的难题,引起了学术界和工业界的广泛关注。面
随着多媒体技术的发展,多媒体数据已成为信息处理领域中主要的媒体形式。其中,音频信息在多媒体信息中占有非常重要的地位。音频数据是一种非语义符号表示和非结构化的二进制
随着网络技术的飞速发展和企业信息化的推进,将传统监控系统与Web技术相结合的模式成为远程监控系统研究和开发的热点,构建基于Web的监控系统成为监控领域发展的方向之一。远
自组织链表是针对搜索问题提出的,它能够在响应未知访问请求序列的过程中不断调整节点位置,使链表结构逐渐进入一个能充分利用访问请求序列特性的状态,从而降低总体访问代价,
无线传感器网络是在微电子、无线通信和嵌入式系统等技术的快速进步中发展起来的一种新型网络。它能够实时监测、感知、采集和处理各种监测对象的信息,具有十分广阔的应用前
煤岩突出是煤矿生产中的重大灾害之一,它是指煤、岩石以及瓦斯中的能量突然释放或爆发性的喷出,即煤、岩石以及瓦斯在极短的时间内向巷道或工作面大量涌出的过程,通常也称为
GBDT(Gradient Boosting Decision Tree)是一个应用广泛、效果好的监督式机器学习模型。它于2001年由Friedman提出,由决策树(Decision Tree)和梯度提升(Gradient Boosting)组
信息时代的迅速发展,使得越来越多的信息被共享。自由访问型微数据发布是当前科学研究和信息交换的有效手段,也为数据共享提供了平台。但是,随着数据挖掘技术的应用及搜索引擎功