魏东辉[1]2004年在《运用methontology为学习技术系统体系结构建立本体》文中研究表明最新的知识工程化技术是本体论。它来源于古希腊哲学，由柏拉图提出，用以表示现实世界的在思维的层次上凌驾于现象之上的本质，以帮助人类以更深刻更精确得认识世界。在上世纪八十年代末，知识工程领域的专家开始将尝试本体论借鉴过来用以更好的表示知识。 知识工程曾经在许多领域得到了广泛的应用，但不同开发工具和应用平台使系统的通讯、共享、复用性等性能受到了限制，新的知识系统不能有效的利用现有的知识系统，不断开始“重新设计”，造成人力、物力、财力的大量浪费。本体的引入能够有效的解决这个问题。本体作为一种概念化的说明，对客观存在的概念和关系进行描述；它是通用意义上的“概念定义集”，是关于“种类”和“关系”的词汇表。这种词汇表，是在各种事务代理之间交换意见时所用到的共同语言。本体论作为规范化领域知识的一种方法，能够有效地消除歧义性，达到使领域相关人员统一认识以及进一步有助于知识表示、共享、复用的目的，进而有助于智能应用系统的集成和互操作。随着本体太原理工大学硕士研究生学位论文论在人工智能领域的应用，它越来越体现出其非凡的优越性，同时在信息系统、接口和面向对象设计和编程等方面也是很好的工具。 目前在学习技术系统领域尚无成型本体出现，在此领域内建立本体具有重要的意义。鉴于学习技术系统涉及的内容相当之广，涉及的关系非常复杂，所以有必要为其抽象出相应的体系结构以便于从各个层次上深刻理解本领域知识以及在本领域内软件开发的各个阶段提供好的指导。所以本文主要为学习技术系统体系结构建立本体。 本文在大量材料收集的基础上，经过认真的分析选择，整体集成，得出了学习技术系统体系结构领域知识。它的产生过程如下:①从各个渠道收集需求。②从现存的系统、产品、服务中收集特征和限制。骨创建主题域的抽象。④创建高层抽象。⑤从最高层向下逐层实现。学习技术系统体系结构是学习技术系统的高层系统体系结构，这个高层的系统体系结构的口的是为了指明高层的框架以便于理解特定类型的系统，子系统以及系统之间的交互以及便于系统的实现。这样的体系结构并不只是设计单一系统的方案，而是设计一系列系统的框架，并且能够对这些系统进行分析和比较。通过揭示不同系统的共享构件，体系结构能够促进可复用的并具有良好适应性的构件和子系统的设计和实现。 太原理工大学硕士研究生学位论文 通常本体的建立有两个主要的阶段:概念化阶段和形式化阶段。本文在概念化规约阶段采用西班牙马德里大学的methontology方法，这是迄今为止在本体的概念化规约阶段中最为成熟，使用也最为广泛的一种方法;在本体的形式化阶段采用的是斯坦福大学知识系统实验室的本体编辑工具。nt。lingua，这是在本体的形式化工具中使用极为广泛的一种工具。
段磊[2]2016年在《基于本体建模的高分辨率影像乡村居民地信息提取研究》文中研究指明乡村居民地是一类重要的基础地理信息,快速有效地监测乡村居民地的时空格局,不仅对地理国情普查具有重要作用,而且对于其区域可持续发展和乡村城市化具有积极意义。随着遥感技术的飞速发展,其覆盖范围广、获取速度快、空间分辨率高的特点有利于快速准确地掌握乡村居民地空间信息。当前研究高分辨率遥感影像居民地这一类复合地物信息提取的方法,大多采用基于像元方法分析居民地的结构纹理(边缘检测和角点分析),其方法存在诸多的局限性。探索新的高分辨率影像复合地理对象的信息提取方法是必然趋势。在遥感大数据的背景下,采用本体建模和基于对象影像分析方法相结合的方式,探索自动/半自动提取乡村居民地这一类复合地物信息,对遥感自动化信息提取具有积极意义。本体建模其实质就是建立对象所涉及知识的逻辑模型,其中知识主要指对象的概念、概念间的关系、属性和约束条件[1,2]。本文以宁夏回族自治区中卫市沙坡头区河滩村及其周边为研究区,采用WorldViewⅡ为数据源,结合本体建模与基于对象影像分析方法提取高分辨率影像乡村居民地信息,并着力于提高乡村居民地信息的完整性和准确性。首先本文研究了乡村居民地本体概念模型的建立方法,其次探讨了如何利用基于对象影像分析方法形式化本体模型,最后采用不同的信息提取方法进行了对比分析,并验证了基于本体模型提取乡村居民地信息的有效性。通过以上研究,本文得到了如下结论:(1)提出高分辨率遥感影像乡村居民地认知框架,建立乡村居民地本体的概念化模型,使乡村居民地在高分影像中的描述具有一定的明确性和共享性。并证明了根据本体模型提取乡村居民地信息的研究思路是可行的。(2)高分辨率遥感影像中乡村居民地是一类复合地物,其光谱信息十分复杂,利用基于对象影像分析技术与本体建模相结合的方法,对高分辨率复合地物信息提取提供了一种有效的途径,具有积极意义。(3)构建乡村居民地本体模型时需要注意利用共有的知识构建本体模型,即遵守一致性原则。一致性原则指构建本体的概念和对象的内涵要一致,本体模型中公理和非形式化的相关概念要一致,否则建立的本体模型其共享性低。(4)OBIA除了可以利用光谱和纹理信息外,还可以添加几何和上下文信息用于信息提取,利用多种类型的分类特征更加精确地描述乡村居民地本体模型,有效地提高了乡村居民地信息提取的准确性和完整性。(5)OBIA方法中影像分割质量对信息提取的精度具有较大影响。影像分割对象与信息提取对象越匹配,信息提取的结果越准确。基于PSE-NSR-ED2的最优分割参数选择方法将几何和误差代数误差同时考虑,有效地提高了影像分割质量。(6)利用OBIA方法形式化影像乡村居民地本体模型,主要包括4个方面的内容:乡村居民地本体模型概念集的OBIA参数表示;本体模型关系集的OBIA参数表示;本体模型属性集的OBIA参数表示和本体模型公理集的OBIA参数表示。参数表示的过程在基于对象影像分析中分别对应于建立分类体系、确定关系集与属性集的分类特征、建立规则集。
欧灵[3]2007年在《基于文本分类的本体匹配及其应用研究》文中研究说明语义Web不是一种全新的Web,而是对当前Web的扩展,其中的信息被赋予明确的含义,使机器和人能更好地的协同工作。语义Web的基础之一是本体,为了让机器能够理解Web的内容,需要建立本体,并利用本体中定义的概念作元数据来标记Web的内容。语义概念的相似性度量一直以来都是人工智能领域的研究热点。人工智能领域的相似性度量模型致力于从特定的知识表述中计算出概念间的相似性。本论文以文本分类的机器学习理论为基础,提出了本体概念匹配的整体框架,借助改进的贝叶斯(Bayes)分类器和支持向量机分类器分析本体中的个体实例特征,建立了一个基于实例的本体概念相似性度量模型,给出了基于文本分类的概念相似性度量算法,并提出了概念匹配后概念的可满足性和本体一致性的检测策略。最后,本文将提出的本体匹配理论用于网络教育的概念型知识学习系统,使论文的研究成果体现在该系统中。现将论文的主要研究内容概括如下:①介绍和综述论文的理论基础。主要包括语义网、本体论、文本分类技术、描述逻辑推理及其研究现状。②基于Bayes的文本分类模型的研究。朴素贝叶斯分类算法是一个简单、有效而且在实际使用中很成功的分类算法,其性能可以与其他典型分类算法相媲美,在某些场合还优于其他分类器。本文在引入互信息等因素后,提出了基于特征相关性的朴素贝叶斯文本分类改进模型,对于大部分类别的资源,改进后的朴素贝叶斯算法都能得到较高的准确率和召回率,同时该分类器对各类别资源分类性能提高的效果不一样。事实上,该模型引入了语义特征,建立了传统特征与概念、概念与类别的映射关系。③基于支持向量机(SVM)的文本分类模型研究。基于统计学习理论的支持向量机算法具有坚实的数学理论基础和严格的理论分析,具有理论完备、全局优化、适应性强、推广能力好等优点,是机器学习中的一种新方法和研究的新热点。它使用结构风险最小化原则,综合了统计学习、机器学习和神经网络等方面的技术,在最小化经验风险的同时,有效地提高了算法泛化的能力。它与传统的机器学习方法相比,具有良好的潜在应用价值和发展前景。本文针对基于二叉树的多分类支持向量机自身存在的问题,提出了改进二叉树结构生成的思想,最后对这种改进的树结构算法进行了设计及分析。改进后的BT-SVM多分类方法有比较高的分类准确率,它用于多类文本分类达到了预期的效果。④本体概念相似度计算算法。在分析了目前常用的本体匹配技术的基础上,提出了基于文本分类技术的本体概念匹配的框架。算法的主要思想是利用本体中概念的文本实例集,通过训练获得概念的文本分类特征。再对本体概念的文本数据集进行交叉学习分类和计算并获取了两个本体所有概念对的相似度评估矩阵。为了充分利用多种分类器的优势,在概念匹配过程中,给出了利用概念对相似度的突出度策略,克服了单一文本分类器对某些文本数据不敏感的问题,同时还给出了利用本体半结构信息来帮助分类的策略。根据对真实Web数据集的测试结果,表明本文提出的本体概念匹配算法具备很好的匹配精度。⑤基于描述逻辑及其推理机方法。它能够实现本体一致性和可满足性的全面测试和分析。然而要使用推理机实现本体测试的前提是需要完成实例数据的匹配和关联的处理,这将对本体匹配方案的评估带来巨大的工作量,本文提出了面向语义的本体匹配评估策略,进一步拓展了本体概念之间的关系,并对实际工程应用具有重要的参考意义。⑥概念型智能学习系统模型(CILSM: Conceptural Intelligence Learning System Model)。目前,网络教学系统促进了教育的发展,但其本质是传统教学的扩展,而不能完全适应信息社会终身学习的需要,因为它们只是一个新型的学历教育系统。由于Web是当前最丰富的学习资源,所以本文提出的CILSM系统则是广泛利用Web的资源,并将这些资源(知识)的固有属性和教学属性,采用计算机可处理(可读、可推理)的方式进行组织,形成“知识空间”(Knowledge Space)。知识空间用资源描述框架(RDF/RDFS)元数据描述,并用Web本体语言(OWL)描述的本体组织知识。知识空间包括多个本体,而本体匹配是系统亟待解决的问题,本文提出的本体匹配框架和算法在一定程度上解决了该问题。
刘春雷[4]2008年在《基于本体的教育领域学科知识建模方法研究》文中研究表明知识组织是智能教学系统的核心和基础。合理的知识组织方法,可将领域知识有效地组织在一起,有利于课程内容的检索,帮助学习者建立良好的认知结构,提高学习者的问题求解能力,同时有利于系统内部处理和决策推理。从知识工程的角度研究知识的组织与表示,利用本体构建知识库已经成为当前的研究热点。本体作为源于哲学的一个概念,因具有良好的概念层次结构和对逻辑推理的支撑,自20世纪后期人工智能领域的研究者开始了利用本体思想描述知识领域的对象、属性及相互关系的研究。本体作为一种能在语义和知识层次上描述知识系统的概念模型和建模工具,自被提出以来就引起了国内外众多科研人员的关注,并在计算机的许多领域得到了广泛的应用。然而,在教育领域学科知识的本体建模中,对学科知识的组织建构多数是依据教材所表现的知识的内在逻辑结构以及建构者的经验和对知识的理解,缺少系统的教育理论、学习科学的指导。所建的学科知识模型缺少促进学习者知识内化,优化认知结构的功能,较少体现先进的教育理念及教学系统设计的思想。然而这些功能、理念和思想正是区别于其他本体应用领域的重要体现。本文首先概要地论述和分析了本体概念的源起,本体与语义的关系,本体的定义、类型、功能、特点、作用以及本体研究的意义。然后简要论述了知识建模理论、本体的形式化模型、本体建模元语、本体建模语言、本体模型的特性、本体建模原则、以及本体建模工具,并着重论述了本体建模的几种方法。接着,论述了基于本体的教育领域学科知识建模的理论基础,主要涉及知识组织理论,学习科学理论。其中知识组织理论包括知识组织的实质,知识组织的原理等,学习科学理论包括布鲁纳的认知-结构主义学习论、奥苏贝尔的认知结构同化学习理论、建构主义学习理论、认知科学的信息加工理论等。本文研究的重点部分是基于知识组织,学习科学的理论、方法及相关实践经验,以及对教育领域本体应用现状的分析和研究,从优化认知结构,发展学习能力的视角对教育领域学科知识的本体建模方法进行探索性研究,提出了具体的本体建模的要求、原则、方法及建模过程,从而强化学科知识本体模型的教育功能。并从学科知识的组织程度,教育本体的共享程度分别对学科知识本体及教育本体进行分类研究,从而对本体的教育应用进行了系统的梳理,为本体的教育应用研究提供参考,以促进本体在教育领域有更广泛深入的应用。最后,通过构建一个学科知识本体,具体实践了所提出的建模方法。
徐艳艳[5]2011年在《本体技术在协同学习交互信息处理中的应用研究》文中研究指明随着计算机技术的发展,特别是多媒体技术、网络技术的飞速发展,传统的学习模式已经不能满足用户对知识的强烈需求,基于网络的协作学习成为主要的学习模式。网络环境下的协作学习允许存在时间和空间地域上的分布,他们的交互可以同步发生也可以异步发生。交互的过程即为学习的学习的过程。交互时将产生大量的音频、视频、自由文本信息。本文的研究对象为文本信息。我们可以将用户在交互学习中产生的这些信息上传到数据库中,使学习资源能够在探究进程中不断丰富和更新,实现有效共享。交互信息是杂乱无章的,对用户有帮助的的信息往往分布在交互信息中的不同位置,而用户仅仅是只需要这些有限的信息,这不利于用户的资源共享,降低了用户的学习效率。为了应对这一挑战,迫切需要一些自动化的工具帮助人们在海量的信息源中找到真正需要的信息。因此,我们引入了信息抽取IE(Information Extraction)技术。IE是一种面向任务的实用的文档理解技术,它直接从自然语言文本中抽取事实信息(factual information)。通常,抽取出的信息以结构化的形式描述,可以直接存入数据库中,供用户查询、文本深层挖掘、自动回答问题等之用。有的系统一般是采用关键词与通配符的序列组合作为模板。但是这种结构存在很大的局限性。这种局限性主要表现在词语的无序和多义上。即词语之间没有固定的次序关系,并且在不同位置表达的词义可能不同。为了解决这一问题,我们在信息抽取系统中引入了本体技术。本体可以很好的改善这一状况。本体一般是针对某一领域,本文中我们提出了一种构建领域本体的新方法。在此基础上结合汉语分词技术,设计基于本体的信息抽取系统。本文中,我们使用Protégé4.0构建计算机维修领域本体,借助Jena工具将本体存入数据库中,并进行数据的读取。用到关键技术包括:过滤、汉语分词、本体构建等。基于本体的协作学习交互信息处理系统,将大大提高协作学习的学习效率和资源的利用率。
邱奇志[6]2009年在《基于本体的学习对象发现机制的研究与应用》文中研究说明计算机网络和计算机应用的飞速发展,使之已渗透到社会生活的各个领域,Internet成为人们获得知识、交流信息的主要平台,各行各业与信息技术整合也成为了大势所趋,教育领域也不例外。近年来,Internet上涌现了大量内容丰富的学习对象,重用这些学习对象是提高教育质量、降低教育成本的有效途径,然而在学习对象共享上存在着两个不可回避的问题:其一是缺少统一知识表示模型,无法对学习对象实现语义层面上的检索;其二是分布式的学习对象的异构性,无法对学习对象实现无缝的整合。语义Web和面向服务的体系结构(SOA)为解决异构资源的整合带来了曙光,本文以此为切入点,针对采用语义Web和面向服务技术来解决学习对象的发现问题进行了研究和探索,以期为语义Web和SOA在教育领域的应用提供新的思路。本文提出了基于SOA和语义Web的学习对象发现机制,实现了本体技术与元数据标准的结合,以全新的视觉解决了分布式、异构学习对象的共享问题。本文主要的工作及创新点包括以下几个方面:(1)提出了基于SOA和语义Web的学习对象发现机制本文认证了采用面向服务的架构和方法来管理学习对象可能性,探索性地将SOA引入学习对象发现机制中,进而将“服务”这一术语从传统意义上的各种应用、操作扩展为分布在Internet上的各种可重用的资源,包括各种数据、信息、应用程序、硬件设备等等。所提出的学习对象发现机制通过增加内部语义模式、引入外部语义模式来支持服务的语义描述,通过增加外部匹配器来提高Web服务架构对语义信息的匹配的支持。从而不仅更好地解决了分布式学习对象的发现问题,还为解决其他各种Internet资源的发现机制提供了借鉴。(2)构建了以学习对象元数据为基础的学习对象本体将学习对象元数据标准与本体技术相结合,解决了学习对象的共享问题。本文仔细深入地分析了IEEE LOM标准,阐述了在本体构建中使用学习对象元数据标准的可能性和可行性,并以IEEE LOM标准核心元数据对本体的属性进行了描述,从而使得学习对象元数据成为学习对象与本体连接的桥梁,采用这一构建本体的思路使本体开发实践过程变得较为简易,所开发的本体具有通用性、可扩展性,实现了本体技术在教育领域中的探索。(3)探讨了领域本体的增量开发方法将软件开发的原理和方法运用于本体的开发过程,在遵循本体开发指导性原则的基础上,将软件开发中成熟的原理和方法运用到本体开发中,采用了领域本体的增量开发方法,该方法借鉴“工程化”思想,直接采用了软件工程中“增量”的开发过程,充分利用了本体与面向对象开发中“对象”概念的相似性,将面向对象的开发中的方法灵活地运用到本体的开发过程中,采用该方法完成学习对象本体和Web服务本体的构建。(4)提出了支持语义和服务质量的匹配算法本文分析、研究了现有的服务匹配算法,提出了“文本匹配——语义匹配——服务质量排序”的多层次匹配算法,其中基于词语的文本匹配算法在保证匹配结果有效性的基础上,避免了传统匹配方法的计算的复杂性;语义匹配算法充分利用了本体所包含的丰富语义,从概念的层次深度、概念间关系的类型、概念间属性集合叁个方面对概念语义进行了考察;服务质量排序算法主要针对Web服务质量具有多属性、多类型的特点。整个算法以模糊数学为基础,匹配结果以相似度的方式呈现。
林杰[7]2009年在《基于本体的网络教育资源库的研究与实现》文中研究说明如今,人和计算机之间的交流还远远不如人与人之间交流的程度,是因为人与计算机之间缺乏一种明确的,并且能让计算机处理的知识支持机制,这就降低了人机之间信息共享的效率。为此,国内外有关专家纷纷研究基于本体论的智能检索技术和知识管理系统,目的是克服现有检索技术和信息管理方式的不足。本体作为一种概念模型建模工具,在信息检索领域得到了广泛的应用,在很大程度上解决了多义词等语义问题。目前,我国的教育资源建设在共享性、重用性、资源检索查全率和查准率等问题上依然存在某些不足,为了解决当前检索系统中同义词难以识别、相关查找困难等问题,本文把本体引入到教育资源建设中,并提出了基于本体的语义检索系统的体系结构,该系统旨在实现对领域内资源的语义分析,赋予检索系统足够的语义信息。本文研究的重点是资源的元数据描述、领域本体的构建及语义查询,而这也是进行语义检索的理论基础。首先,本文通过对知识结构和特征的分析,针对计算机网络课程的领域知识,构建了一个领域本体。该本体描述了本课程领域的语义模型,包括知识结构,概念间的基本关系等,通过领域本体与元数据之间的映射关系将知识点与具体的资源联系起来。最后开发了一个基于本体的实验系统,以及简单实现了存储及检索等基本功能,并且进行了实验性测试,获得良好效果。该测试以计算机网络领域的知识和专业文献为检索对象,尝试解决查询中同义词无法识别,相关信息查找困难等问题。实验证明该框架下信息资源的语义信息得到了充分的体现以及语义检索策略的可行性。
杨建学[8]2006年在《领域本体构建在学习资源管理中的应用》文中研究指明学习资源的构建与管理是E-Learning的关键。目前,网络上积累了大量的学习资源,但存在资源结构简单、语义缺乏、学习资源无法有效共享、异构系统之间也不能有效互操作等问题。对学习资源进行用户可以理解一致的描述,是解决该问题的有效途径。本文把本体引入到学习资源管理中,重点研究领域本体的构建以及利用领域本体实现学习资源的语义描述和语义查询。本文的主要工作为:分析了目前常用的几种本体构建方法,针对本体建设存在的问题,提出了一种本体建设方法—基于螺旋模型的原型法。该方法注重需求分析和文档的规范化。同时,突出了领域的边界模糊属性,采用自底向上的建设过程,强调了本体的进化;结合学习资源在内容、结构、应用场景方面的特征,扩展了学习对象元数据标准(LOM),用来描述领域知识和学习资源之间的关系,实现了领域本体与学习资源之间的映射,并对映射机制进行了分析;设计了基于领域本体的学习资源管理框架,从知识和语义层次上描述学习资源,使得学习资源可以实现共享和互操作。该框架分为应用层、语义层和存储层。应用层为用户服务提供了接口,语义层主要完成语义查询、语义分析、语义推理功能,存储层包括领域本体、学习资源元数据库、学习资源库。在该框架的基础上,对语义查询机制进行了分析;最后,基于该框架开发了一个原型系统。该原型系统按照基于螺旋模型的原型法构建了教学领域的计算机网络学科本体。以计算机网络领域的知识和学习资源为检索对象,尝试解决查询中同义词无法识别,相关学习资源查找困难等问题。经实验表明,该原型系统能为用户提供学习资源的语义查询,能够识别同义词,能够进行语义推理。
张良[9]2016年在《本体获取方法及其在学习中的认知策略研究》文中认为如何高效地获取和设计学习资源是教育技术学研究领域的重要研究内容,资源的获取一般分为人工和自动两种方法。人工方法主要依靠人力去从大量的学习资源中去找出目标资源,而自动或者半自动方法主要是指利用计算机技术去获取学习资源,使资源获取呈现一定的自动化。在众多学习资源中,学科领域知识一直是中小学教学的主要内容。许多教师在教学资源的获取和设计上花费了大量心血,而在计算机领域,也有专门对领域知识的获取进行研究,即用一种能够被计算机处理的知识表示方法来形式化地表达领域知识所包含的内容。本体作为一种比较成熟的知识表示方式能够被用来清晰地表达特定领域里知识点的概念以及概念之间的关系,本体概念涵盖了领域内的所有内容,而本体关系将本体概念组织起来形成了一定的结构。本体虽然表现形式比较简单,但高质量的能够被用于计算机处理或人类学习的本体还非常少,特别是传统的通过手工获取本体的方法费时费力,面对网络上海量且杂乱无章的学习资源,仅凭人力去搜索往往事半功倍,在搜索的同时需要排除大量无关内容,有时还会遗漏相关重要内容。而且不同的研究者对某一内容的理解也会不同,从而使得手工构建的本体标准不统一,无法生成高质量的学科领域本体。不仅如此,许多时候还会出现对获得的本体资源没有能够充分利用的情况,即没有利用本体这一学习资源去促进学习者学习。本体一般来说是面向计算机处理的,而算法是计算机程序的灵魂核心。算法有着清晰明确的操作步骤,符合人类的认知习惯。将算法思想引入对本体的认知过程就可以将本体作为一种学习资源引入教育技术学研究领域,使其能够被用来进行学习设计或教学设计,以便帮助学习者学习。因此,对于本体获取方法尤其是在一定程度上的自动获取方法以及利用本体来促进学习者学习的研究就显得尤为重要。本文基于初中物理领域本体构建项目,从AECT94定义出发,探究了一套比较完整的本体资源的设计、开发、管理、利用和评价的流程。其中本体设计对应本体知识表示方式的选取,本体开发对应本体资源的获取,本体管理对应于本体存储,本体利用对应于利用本体促进学习者学习结构化知识,最后的本体评价对应于教师对学习过程的评价。其具体过程为：在充分考虑手工构建本体方法缺陷的情况下,利用相应的计算机技术(网络爬虫、自然语言处理)对本体自动获取方法进行了探究,设计并实现了相应的本体自动获取方法(算法),并对如何保存获得的本体术语进行了较为深入的研究；同时介绍了领域本体的构建方法,结合人工构建的本体对数据进行了分析,指出了相关方法的可行性和有效性；最后利用已获取的本体术语结合计算机领域的算法思想提出了基于结构化知识的本体认知策略,充分利用了本体这一学习资源,并设计出了针对学习过程的教学评价过程,使教师参与到教学活动中,帮助学习者学习。第1章阐明了研究的意义和主要内容,并介绍了国内外研究现状。第2章介绍了本体的相关概念和特点,说明了什么是本体以及本体的语义特点,探讨了本体获取的技术路线和主要方法,并重点介绍了人工获取和自动获取两种主要方法。第3章是基于第2章的方法获取本体的说明,对第二章中方法的实现进行了进一步阐述,并对本体的存储方法进行了研究。第4章介绍了领域本体构建方法并比较了人工和自动两种本体获取方式。第5章从教学设计的角度提出了本体认知的策略,设计了相应的学习过程和教学评价过程。第6章为总结与展望。
穆肃[10]2007年在《语义网技术支持的远程教育机构知识管理系统概念建模的研究》文中研究指明在知识经济时代，有效地开展知识管理，增强机构的竞争力受到各种行业、各类机构的重视，也成为各学科从不同角度开展研究的一个热点，如从管理学角度进行的知识管理理论、策略和具体方法的研究，从知识工程角度开展的知识加工处理过程和技术的研究，从计算机科学角度开展的知识管理系统、知识理解及表达的研究等。在这样的背景下，本研究根据知识经济和知识社会的要求，针对当前远程教育机构知识管理的现实情况和需要，综合利用能有效进行知识管理系统设计的技术——语义网技术、本体工程技术和知识加工处理技术对远程教育机构知识管理系统概念模型的建构及相关的基本问题进行了研究。本研究的主要内容如下：利用已有的知识管理理论、远程教育机构类型及其管理活动的研究成果，本论文对远程教育机构管理活动的类型和主要活动进行了梳理，提出了远程教育机构管理活动分为机构管理、业务管理和知识管理叁大类型的观点。在此基础上对其知识管理的目的、作用、任务和主客体等进行了分析，明确了知识管理与其它两类管理活动之间的关系。根据已有的对远程教育机构运作过程和主要业务活动的研究，本研究分析了远程教育机构运作活动中可能产生和使用的各种知识，提出了远程教育机构领域知识的四种主要类型：机构的知识、服务的知识、远程教与学的知识和学科知识。本研究首次将服务的知识独立列为领域知识的一类，突出其在远程教育机构运作中的重要意义和作用。利用问卷调查法和内容分析法，本研究进行了远程教育机构知识管理活动开展现状和机构中各类人员对知识认同和需求情况的分析，掌握了远程教育机构当前知识管理的现状、各种人员对知识的具体需要和掌握情况，从而从宏观和微观两个层次上确定了远程教育机构知识管理系统的具体需求。根据语义网原理、方法和应用系统已有的技术和研究，本研究首先建构了基于语义网技术的远程教育机构知识管理系统的概念模型，并对此概念模型的结构、组成部份、功能和应用过程进行了详细的分析，确定了其中的“本体及其管理层”和“综合服务层”为概念模型的核心部份。根据本体建立和管理的方法，本研究建构了由领域知识本体、应用情境本体和记录本体叁个层次本体组成的本体群。其中，领域知识本体是对远程教育机构的领域知识建构的首个较全面的本体，填补了当前该领域的领域本体建立方面的空白；应用情境本体是面向应用情境知晓建立一系列本体，是普适计算和本体方法结合应用于知识管理系统中的前瞻性研究，这一本体可为其它知识管理系统借鉴和采用；记录本体是将当前搜索引擎技术中搜索行为记录分析的技术与知识管理系统和本体技术相结合的尝试，也可为其它知识管理系统广泛采用。基于当前已有的本体管理技术和应用系统，本研究提出了在用户分散分布情况下对本体进行管理的可行技术方案和适用应用系统，提出的综合使用本体工程技术支持分布式本体建构和管理的方案，是远程教育机构知识管理系统概念模型中本体层能有效运作的重要基础。本研究还详细分析了远程教育机构知识管理系统运作的逻辑过程及其中基础和必要的推理，采用描述逻辑和一阶逻辑相结合的方法来实现对系统运作逻辑的描述。
参考文献：
[1]. 运用methontology为学习技术系统体系结构建立本体[D]. 魏东辉. 太原理工大学. 2004
[2]. 基于本体建模的高分辨率影像乡村居民地信息提取研究[D]. 段磊. 兰州大学. 2016
[3]. 基于文本分类的本体匹配及其应用研究[D]. 欧灵. 重庆大学. 2007
[4]. 基于本体的教育领域学科知识建模方法研究[D]. 刘春雷. 重庆大学. 2008
[5]. 本体技术在协同学习交互信息处理中的应用研究[D]. 徐艳艳. 山东师范大学. 2011
[6]. 基于本体的学习对象发现机制的研究与应用[D]. 邱奇志. 武汉理工大学. 2009
[7]. 基于本体的网络教育资源库的研究与实现[D]. 林杰. 华南理工大学. 2009
[8]. 领域本体构建在学习资源管理中的应用[D]. 杨建学. 湖南大学. 2006
[9]. 本体获取方法及其在学习中的认知策略研究[D]. 张良. 华中师范大学. 2016
[10]. 语义网技术支持的远程教育机构知识管理系统概念建模的研究[D]. 穆肃. 华南师范大学. 2007
标签：计算机软件及计算机应用论文; 语义分析论文; 关系模型论文; 系统学习论文;