基于本体的 PPP项目风险案例推理
江小燕1a， 孙浩宇1a， 王明辉1a， 戴潇雅1b， 刘 勇2
(1. 合肥工业大学 a. 土木与水利工程学院； b. 管理学院， 安徽 合肥 230009；2. 浙江理工大学 建筑工程学院， 浙江 杭州 310018)
摘 要： PPP项目结构多样，生命周期长的特点导致其风险类型更为复杂，阶段性也更强。当PPP项目风险发生时，如何进行风险责任的认定以及采取何种措施来对PPP项目风险加以控制是目前风险管理的一大难点。针对上述问题，本文提出了采用基于本体的方法对PPP项目历史案例的风险信息进行表示和存储，并建立PPP项目风险案例库。在此基础上运用基于本体的概念语义相似度的计算方法进行案例推理。当新建项目发生风险时，使用该方法能够快速地推理出与在建项目风险情况最接近的一个或多个案例，并查找出该案例的风险历史处理措施和风险责任的承担情况，为项目管理者的决策提供参考。
关键词： 本体； PPP； 风险； 语义相似度算法； 案例推理
PPP(Public-Private Partnership)模式在解决公共服务和基础设施建设资金短缺，提高公共服务质量等方面有着显著的优势，目前已逐渐成为世界上一些国家基础设施项目建设的主要方式之一。随着我国经济的快速发展，基础设施项目建设需求在急剧增长，截止到2018年12月末，在财政部设立的PPP综合信息平台项目库中，已有PPP项目14424 个，总投资金额高达18.2 万亿元。
但是近年来，PPP项目的发展也暴露了不少问题，特别是在PPP项目风险的评估以及应对方面，如何准确且及时地识别与防控PPP项目风险是PPP项目管理中的重要问题。
随着人们生活水平的提高，对菌菇类的需求也在逐年提升，除了野生食用菌外，云南省不断加大人工食用产业发展。云南省农业农村厅负责人介绍，从2016年到2018年，全省食用菌产量达到70万吨，年增长13.5%；年产值160亿，年增长10.0%以上。其中野生食用菌10万吨、年增长5.0%；年产值100亿、年增长8%。栽培食用菌60万吨、年增长15.0%以上，年产值60亿、年增长15.0%。
PPP项目的结构复杂，参与方众多，持续时间长，信息量庞大，导致各参与方信息获取和共享的效率较为低下，为风险管理带来了较大的困难。且目前PPP领域的相关部门仍采用Excel、Word等非结构化手段来存储和组织PPP项目相关的历史案例与知识经验，这令业界难以形成一个统一的标准对其风险进行规范化的描述和总结；当风险发生时，也无法快速准确地找到相似的历史经验或案例作为决策的依据。
建立县级融媒体是时代浪潮，在县级融媒体建设的火热井喷发展时期，各方力量摩拳擦掌协同打造更具影响力的宣传“拳头”。但同时，关于融媒体建设的实操措施也需要持续讨论，融媒体中心的运营机制、规章规范、体系构建、人事安排等具体因素都可谓这项历史使命的巨大挑战。总之，县级融媒体中心要在互联网变化的大背景下，积极探索，八仙过海，各显神通，问改革要成效，向实践求发展。
为解决上述问题，本文利用文献[1]中的本体技术构建PPP项目风险领域的本体信息模型，实现了风险信息的统一和检索，并研究了PPP风险的知识推理方法。然而PPP项目结构复杂、耗时长、投资大的特点，使项目实施过程中易发生各种各样的风险，这增加了PPP项目决策的工作量和难度[2]，利用历史经验和案例辅助决策无疑非常必要。因此在PPP风险本体评价以及验证过程中，部分专家建议将PPP 项目风险案例用本体的方法进行表示形成PPP 项目风险案例库，以使知识推理与案例推理互为补充，为PPP项目风险的识别与防控提供合理的决策建议。
从图5可以看出，在微波加热50 s前，脆硫锑铅矿、黄铁矿、锡石等微波加热升温速率大，吸波能力均随温度升高而增强，达到一定温度后有所下降。说明在一定温度范围内，随着微波加热时间的增加，微波加热预处理锡石多金属硫化矿时将强化脆硫锑铅矿、黄铁矿、锡石等矿物的吸波性能。
她头发厚密，绾个髻，插了根木簪，是个妇人了，岁数也就二十四五这样子，那眼睛，像两颗黑葡萄沉入了清水，那嘴唇，像早上的玫瑰花，沾了露水，湿润润的。
基于以上工作的基础，本文将本体技术与案例推理技术相结合，提出将基于本体的案例推理技术运用于PPP项目风险的研究，能够为PPP项目风险管理提供有价值的信息。
本文分为如下几部分，首先对本体和案例推理技术在建设工程中的应用进行文献综述；然后基于文献[1]的基础，运用基于本体的概念语义相似度算法进行案例推理，获取相似案例的风险承担情况和风险控制措施；最后提出了该方法的程序算法，为PPP项目风险管理的智能化与信息化发展提供支持。
1 文献综述
本体是共享概念模型明确而又形式化的规范说明[3]，利用本体技术，可以有效弥补传统案例推理技术的不足[4]，本体技术在工程中也得到较为广泛的应用。闫文周等[5]提出将本体技术运用于EPC总承包项目风险控制领域，可以为风险预防措施的制定提供参考。姜韶华等[6]提出将本体结合BIM运用于绿色建筑领域，建立了绿色建筑智能评价系统。孟俊娜等[7]建立了建筑工程领域的成本预算本体网络，提高了成本预算的效率和准确度。Rezgui[8]提出在建筑工程信息管理领域引入本体技术，以解决特定的知识信息管理问题。文献[9]从PPP项目残值风险的知识管理的角度出发，构建残值风险的本体知识库并结合具体案例进行应用分析。江小燕等[1]将本体技术应用于PPP项目的风险信息检索，并取得初步成果。
案例推理CBR(Case-Based Reasoning)技术是指在案例库中使用某种方法查找出与当前问题最为相似的历史案例，再把该案例使用的方法运用到当前问题中的一种技术[10]。将案例推理技术运用到项目的决策中，可以为相关人员提供有价值的决策支持。陈瑶[11]将案例推理技术运用于房地产投资风险评估，建立了房地产投资风险评价体系。冯为民等[12]将案例推理与模糊数学相结合，提出了一种有效的工程造价预测方法。李欣等[13]将案例推理技术运用到港口工程建设风险评价中，对港口建设项目中易导致风险发生的因素做了分析。但是，传统的案例推理技术知识共享能力匮乏，语义支持能力较差，其案例的检索多采用关键字匹配的检索技术，致使许多有用的知识被忽略，准确率较低[14]。
综上所述，现有国内外文献中，尚未有将案例推理技术应用于PPP项目的风险领域，本文将对其进行有益的探索。
2 PPP项目风险信息建模
PPP是指包括BOO(Build-Own-Operate)、BOT(Build-Operate-Transfer)、PFI(Private Finance Initiative)等各种合作模式在内的私人部门与政府为提供基础设施和公共服务而建立的合作关系[15,16]。其众多的参与方以及较长的生命周期也使得PPP项目的风险更加多样，阶段性与动态性较于一般项目更强[17]。为了适应PPP项目的这些特点，提高PPP项目风险案例推理的准确度，搭建PPP项目风险本体模型较之于一般项目不仅要考虑得更加全面，更要考虑到PPP项目全生命周期性的因素。为达到上述目标，本文在搭建PPP项目风险本体时构建了项目模式、风险类型、风险源等指标，同时也引入了风险发生阶段的动态性因素。
目前，甘南高寒草甸天然草地整体处于超载状况，从2000年至2014年实际载畜量呈不断上升趋势，甘南州平均超载率达到74.3%，其中，夏河县为41.3%[47]，说明理论载畜量远小于实际载畜量，仅依靠本研究所得的理论载畜量不能反映草地的真实利用状况，也不足以制定合理的载畜量和管理措施。因此，在牧草生长的不同季节，应结合实际载畜量，准确评价草地生产状况，采用以牧草产量为基础的DM载畜量和以营养成份为基础的DCP载畜量相结合的方式安排放牧，并合理制定草地利用和保护管理措施，实现草蓄平衡和草地可持续发展。
明确交通肇事罪的主体是确立刑事责任的承担主体。根据美国机动车工程师协会关于无人驾驶汽车五个阶段的分级，说明在无人驾驶时代，分级阶段越高，人的控制作用越小，汽车控制系统的作用越强、自动驾驶的功能越多；前四个阶段都是人与汽车控制系统联合行使汽车，第五个阶段则完全由汽车控制系统控制。由此，对无人驾驶汽车交通肇事罪主体的确定就可以分成两类情况。
3.2.1 指标权重确定
各地湖泊管理单位根据自身情况建立了相应的高邮湖湖泊巡查网络，完善巡查制度，湖泊巡查工作有序开展，为维护湖泊良好的水事秩序，对控制涉湖违法水事案件的发生起到了积极显著的作用。
3 案例推理
3.1 推理原理
PPP项目风险本体的构建为PPP项目历史案例风险信息的规范化输入提供了途径，利用本体技术建立PPP风险案例库可以有效地存储和复用PPP风险案例。为了辅助决策，对于识别出的PPP项目风险确定风险治理和防范措施，是PPP项目治理中的关键环节和重要问题。然而如何对拟建PPP项目的风险进行治理，并进行预防或制定风险治理措施，目前并无有效的途径和方法。利用案例推理方法确定类似项目的风险治理措施，从而为拟建项目提供参考，是目前最为可行的方法之一。
企业是社会经济的主体，必须改变企业的经营模式，在企业内部实施绿色生产，追求经济利益的同时，重视环境及社会效益。一方面，企业要在生产的各个环节减少污染物的排放，重视对环境及生态的保护；另一方面，生产过程中应该不断地提高资源利用率，降低对各种资源的消耗。
本文采用基于本体的语义概念相似度计算方法[18]进行案例推理，在搭建好的基于本体的PPP风险案例库的基础上，将本体技术与案例推理技术相结合，并借助计算机实现相应的算法使推理过程更加智能。其基本原理是，当PPP项目发生风险时，参照已搭建好的风险本体对该项目风险的各项指标进行提取，将各项指标与本体案例库中各案例的指标进行相似度计算，再将案例各指标的相似度进行加权相加，进而得到案例之间的相似度数值。据此可以推理得出与该项目风险信息最相似的一个或几个案例，并提取出推理得到的案例本体的PPP风险承担方类和风险处理措施类，为相关人员的决策提供参考。
3.2 基于 PPP风险本体的概念语义相似度计算
本体表示方法在工程领域的应用中，凭借其结构化、层次化的特点，能较好地完成对大量且无序工程信息的一致性描述，其良好的可扩展性与推理性也可解决工程信息的存储与重用问题，在PPP项目风险领域有较为广阔的应用前景。本文作者在文献[1]中初步建立了PPP项目风险信息知识本体库，实现了PPP 项目风险信息的结构化表述，解决了PPP 项目风险信息的存储、组织和重用的问题。 同时, 在Eclipse中借助JenaAPI制定用户所需的自定义规则，对已搭建好的本体模型进行推理，实现了特定用户的信息检索需求，提高了相关人员信息获取的效率和准确性；克服了传统关键字检索信息不准确，效率低下的特点，提高了信息获取的准确度，有助于相关人员更好地进行项目决策；同时为以下案例推理工作提打下了基础。
PPP案例风险信息中的各指标数量众多，各指标对PPP风险措施制定的影响也各不相同，因此确定PPP案例风险信息各指标的权重具有重要意义。本文采用专家评估与层次分析法相结合的方法确定指标权重。首先按式(1)建立指标判断矩阵。
(1)
式中：x ij 为第i 列指标相对于第j 列指标的重要程度。其次进行层次排序，将每行的指标重要程度相对值相加得到式(2)，再求得所有指标重要程度相对值之和得到式(3)。
他们不知为什么吵了起来。我问他们为什么吵，别呦呦不肯说。反正他们吵得很厉害。别呦呦说，她拿枕头砸他，他不躲，她更生气，见地上有桶水，拎起来，都倒在了他身上。后来她才知道，那时，他已决意离开她。
(2)
(3)
用每行的指标重要程度相对值之和Y i 除以所有的指标重要程度相对值之和U 即可得到各属性的权重a i ，如式(4)所示。
(4)
由上一节的计算结果得到指标相似度矩阵：
概念语义相似度计算通常是根据两概念在层次网络中的距离大小来判断相似程度，距离越近则相似度越高。但是考虑到可能出现不同类下的两个概念和同一类下的两个概念距离相近，但是概念之间的相似度却相差悬殊的情况。故本文采用基于最近祖先的本体概念相似度计算方法来计算各指标间的相似度。
a ，b 之间的语意概念相似度按式(6)计算：
(5)
设a ，b 为PPP风险本体树中的任意两个节点，对这两个节点的距离dist(a ,b )做如下定义：
(6)
式中：simab 为a 节点代表的指标与b 节点代表的指标的相似程度值；dist(a ,b )为a ，b 两节点距离；N 为距离a ，b 最近的父节点与PPP风险本体树根节点的距离；∂为调节因子，可以通过神经网络等智能算法训练获得，本文取∂=2。基于篇幅，训练过程不再赘述。
3.2.3 案例相似度计算
计算案例相似度需用到上文求得的指标权重a 以及各指标间的相似度simij 。假设当前PPP风险本体案例库中存在n 个案例，每个案例具有m 个指标。通过构建一个指标相似度矩阵，使矩阵中每一行代表一个案例，每一列代表一个属性。将指标相似度与指标权重值相乘，即可得到当前项目与案例库中各案例的相似度ω ，按式(7)计算。
4 实例分析
4.1 指标提取
根据文献[1]的内容，建立PPP风险本体，由于PPP风险领域涉及概念众多，为了简化计算，本文只对部分概念进行描述。选择PPP项目模式、PPP风险类型、风险发生阶段、PPP风险源、PPP风险后果5个属性作为案例相似度计算的指标，而PPP风险承担方和风险处理措施则是需要案例推理得出的输出结果。因下文案例中的PPP风险源只涉及政治、建设和市场运营三类风险源。所以本文使用图1所绘制的本体树，具体绘制过程详见文献[1]。
图1 PPP项目风险本体树
例：假设一正处于运营阶段的PPP项目，采取“建设-拥有-经营-转让”的项目模式，因在运营阶段政府不履行相关合同而终止了该项目的特许经营权，导致该项目私人投资者的利益造成极大损失。现需明确该风险的风险承担者以及制定相关的风险控制措施。
大渡河长河坝砾石土心墙堆石坝坝高240 m，建于覆盖层最大厚度79.3 m的地基上，处于高地震烈度区，100年超越概率2%基岩水平峰值加速度为0.359 g。该工程采用两道全封闭混凝土防渗墙，在主防渗墙顶设置了城门洞型式的廊道与心墙连接，如图1(a)、图1(b)所示，廊道内部尺寸3 m×4 m，侧墙厚2 m，底板厚3 m。该廊道在河床段沿纵向不设结构缝，原设计在基岩覆盖层分界线处分缝与两岸灌浆平洞连接，但采用类似结构的跷碛及瀑布沟等工程均出现了廊道开裂及止水破坏的现象[3-4]。经深入研究后，坝基廊道改为深入基岩1 m与两岸灌浆平洞有缝连接[5]，如图1(c)所示。
首先提取该项目的风险指标，该风险的5个重要指标依次为“建设-拥有-经营-转让”“政治风险”“运营阶段”“政府信用的不利变化”“私人投资者利益受损”。假设案例库中存在以下五个案例，依次提取它们的指标列于表1。
4.2 指标权重确定
参照图1，计算当前项目中“建设-拥有-经营-转让(特许经营)”与案例一“设计-建造(整体外包)”的指标相似度，在图1中它们之间的距离dist为4，它们最近的父节点PPP项目模式与本体根节点的距离N 为1，取∂=2，则依据式(6)计算所得指标相似度为sim11=(∂·N +1)/(n +∂·N +1)=(2×1+1)/(4+2×1+1)=3/7。同理可求得当前项目的指标与案例库中各案例指标的相似度，计算结果列于表2。
表1 当前项目及案例指标
由式(2)(3)分别计算每行的指标重要程度相对值之和与所有指标重要程度相对值之和：
Y 1=4.20，Y 2=8.40，Y 3=3.89，Y 4=8.61，Y 5=3.77，U =Y 1+Y 2+Y 3+Y 4+Y 5+=28.87。
由式(4)计算各指标的权重值为：
a =[0.145,0.291,0.135,0.298,0.131]T。
4.3 指标相似度计算
邀请PPP风险领域专家根据各指标的重要程度，对上文提及的PPP项目模式、PPP风险类型、风险发生阶段、PPP风险源、PPP风险后果进行两两比较，由式(1)得到指标判断矩阵。
表2 当前项目与案例项目各指标相似度
4.4 案例相似度计算
3.2.2 指标相似度计算
广东省交通运输厅副厅长陆亚兴介绍，开展了一年多的共建“平安西江”行动，已成为保障西江通航安全、水域清洁，落实国家战略和省部领导讲话精神的具体抓手，通过创建，切实推动水上安全由多元分治向多元共治转变，做到安全发展共商、安全生态共创、安全风险共治、安全成果共享。
由式(7)将指标相似度乘以指标权重，得：
可得案例二与当前项目的相似度最高，为0.8734，故以案例二的风险承担方式和风险处理措施作为主要参考，案例一与案例四次之，案例三与案例五的相似度较低，不予考虑。
5 算法实现
本文采用Java语言进行建模，具体用到的软件包括protégé，Jena，JDK和MySQL等。首先在protégé中完成对PPP风险本体模型的构建，保存为owl类型文件；使用Jena将PPP风险本体模型文件存入MySQL数据库，完成PPP风险本体库的集成；在本体库建立完成之后，使用Jena完成对相似案例推理算法的程序语言设计。
基于PPP项目风险本体的概念语义相似度算法描述如下：
Step1：获取当前案例的指标集合X =(x 1,x 2,…,x n )与某历史案例的指标集合Y =(y 1,y 2,…,y n )；
Step2：在PPP风险本体树中查找x i ，y i 分别对应的节点a ，b ；
Step3：若a ，b 相同，则sim=1，跳到step7，否则跳到step4；
Step4：查找距离a ，b 最近的父节点，跳到step5，若不存在此父节点，sim=0，跳到Step7；
Step5：分别计算该父节点与PPP风险本体树的根节点以及与p ，q 的距离N 1，N 2，N 3；
Step6：取dist=N 2+N 3，取sim(∂×N 1+1)/(dist+∂×N 1+1)；
Step7：对当前项目和历史案例中的所有指标执行step1～step6，并将得到的指标相似度sim与其相应的权重相乘，将乘积之和作为案例相似度SimOfCase；
Step8：将案例库中的所有案例依次与当前案例执行step1～step7，得到案例相似度的集合SimOfCases[n ]；
Step9：对SimOfCases[n ]中的数据进行排序操作得到SimOfCaseIndex[n ]；
Step10：设置阈值r ，输出集合中大于r 的数值所对应的案例作为相似案例；
Step11：输出相似案例的“PPP风险承担者类”和“风险控制措施类”；
Step12：结束。
首先，在 Si@Ag 免疫基底表面滴加20 μL的AFP溶液，在37 ℃下放置5 h后，分别用PBS、TBS溶液和去离子水清洗未与基底链接的AFP抗原；然后，再滴加20 μL 的PS@Ag免疫探针溶液到链接抗原的Si@Ag免疫基底上，在4 ℃下孵化12 h后，分别用PBS、TBS溶液和去离子水清洗未链接的免疫探针，经氮气吹干后，即形成由Si@Ag免疫基底、AFP抗原和PS@Ag免疫探针组成的“三明治”结构，并应用于SERS光谱检测，其完整流程如图1所示.
6 结 语
本文主要做了以下两方面工作：一是将基于PPP风险本体的概念语义相似度计算方法运用于风险的案例推理当中，提高了案例推理的准确度，根据推理出的相似度较高的案例能够为相关人员的决策提供参考信息；二是使用Jena完成对相似案例推理算法的程序语言设计。该方法克服了传统推理算法的语义支持能力差，准确率较低的缺点，并且通过计算机编程语言的实现使得PPP项目案例推理的流程进一步自动化，降低了相关决策人员的主观影响，减少了重复性工作，提高了决策效率。
李红兵强调，营利性与非营利养老机构将享受同等待遇。《办法》规定，经工商部门依法注册登记的营利性养老机构参照本办法享受同等运营补贴政策。
本文研究尚存在一些不足之处。首先，构建的PPP项目风险信息本体模型中的类和属性尚不能覆盖PPP项目风险中的全部信息，仍需要进一步完善；其次，在本文采用的案例相似度计算方法中，为了简化计算，默认本体树中类与类之间每段距离的权重是相等的，但是这种做法显然与项目的实际情况存在误差，在今后的工作中，可以根据项目的特点，对本体树中距离的权重进行赋值研究，进一步提高案例相似度算法的精确度；最后，本文只是提供了解决问题的框架和基本方法，而真实的本体模型和推理系统的构建是一个漫长而复杂的过程，需要进行反复的修改和测试评价才能够应用。
参考文献
[1] 江小燕, 王明辉, 田慧坤, 等. 基于本体的PPP项目风险信息建模与检索[J]. 土木工程与管理学报, 2018, 35(1): 66-72.
[2] 李 丽, 丰景春, 钟 云, 等. 全生命周期视角下的PPP项目风险识别[J]. 工程管理学报, 2016, 30(1): 54-59.
[3] Studer R, Benjamins V R, Fensel D. Knowledge engineering: principles and methods[J]. Data & Knowledge Engineering, 1998, 25: 161-197.
[4] 谢红薇, 李建伟. 基于本体的案例推理模型研究[J]. 计算机应用研究, 2009, 26(4): 1422-1424.
[5] 闫文周, 刘振超. 基于本体的EPC总承包项目风险控制研究[J]. 施工技术, 2016, 45(6): 118-121.
[6] 姜韶华, 武 静. 基于本体与BIM的绿色建筑智能评价系统[J]. 工程管理学报, 2016, 30(4): 35-39.
[7] 孟俊娜, 贺 宁. 建筑企业工程成本预算本体网络的构建[J]. 工程管理学报, 2016, 30(5): 109-114.
[8] Rezgui Y. Ontology-centered knowledge management using information retrieval techniques[J]. Journal of Computing in Civil Engineering, 2006, 20(4): 261-270.
[9] 陈恺文, 徐 鑫, 袁竞峰, 等. PPP项目残值风险本体知识库的构建与应用[J]. 科技管理研究, 2017, (2): 201-206.
[10] BerkatA. Using Case-Based Reasoningfordetecting computer virus[J]. International Journal of Computer Science Issues, 2011, 8(4): 606-610.
[11] 陈 瑶. 基于案例推理的房地产投资风险评价的研究[J]. 建材世界, 2009, 30(5): 89-92.
[12] 冯为民, 曹跃进, 任 宏. 基于案例模糊推理的土木工程造价估算方法研究[J]. 土木工程学报, 2003, 36(3): 51-56.
[13] 李 欣, 查京民, 李豪杰, 等. 基于案例推理的港口工程建设风险评价研究[J]. 港工技术, 2011, 48(5): 33-35.
[14] 刘晓文, 胡克瑾. 融合CBR和本体的决策支持系统框架及应用[J]. 计算机工程与应用, 2009, 45(3): 235-238.
[15] 李 尧. PPP模式在中国的研究趋势分析[D]. 天津: 天津大学, 2012.
[16] 王守清，刘 云. 公私合作(PPP)和特许经营等相关概念[J]. 环境界, 2014, 25(1): 18-25.
[17] Swartout B, Patil R, Knight K, et al. Toward Distributed Use of Large-Scale Ontologies[C]//Proceedings of AAAI’97 Spring Symposium on Ontological Engineering. Menlo Park: AAAI, 1997: 138-148.
[18] 张贤坤. 基于案例推理的应急决策方法研究[D]. 天津：天津大学, 2012.
Case -based Reasoning of PPP Project Risk Based on Ontology
JIANG Xiao -yan 1a,SUN Hao -yu 1a,WANG Ming -hui 1a,DAI Xiao -ya 1b,LIU Yong 2
(1. a. College of Civil Engineering; b. School of management, Hefei University of Technology, Hefei 230009, China; 2. School of Civil Engineering and Architecture, Zhejiang Sci-Tech University, Hangzhou 310018, China)
Abstract : The multiple modes and long life cycle of PPP project result in the diversity of risk mode and multiple phases. When risk occurs in PPP projects, one major difficulty in risk management is to confirm responsibility and take practical measure to control risk of PPP project. For the above problems, this essay proposes an ontology-based method to present and store risk information of historical cases in PPP project, establishing a PPP project risk cases library. On this base, it employs ontology-based calculation of semantic concept similarity for case deduction. When risk occurs in a new project, this method can quickly deduce the closest cases with the new project in risk situation. Moreover, it could also search for risk treatment and risk responsibility, so as to provide reference for the decision of project manager.
Key words ： ontology; PPP; risk; semantic similarity algorithm; case-based reasoning
收稿日期： 2018- 07- 02修回日期: 2018- 09- 20
作者简介： 江小燕(1975-)，女，安徽怀宁人，博士，副教授，研究方向为工程管理、项目评价(Email: jiangxiaoyan@hfut. edu.cn)
基金项目: 国家自然科学基金(71672180)；安徽省软科学项目(1402052016)；安徽省建设厅软科学项目(2016YF-01)
中图分类号： F294; TP182
文献标识码： A
文章编号： 2095- 0985( 2019) 03- 0066- 06
标签：本体论文; ppp论文; 风险论文; 语义相似度算法论文; 案例推理论文; 合肥工业大学土木与水利工程学院论文; 合肥工业大学管理学院论文; 浙江理工大学建筑工程学院论文;