摘要：针对组织知识管理中知识共享问题,运用知识地图作为工具来促进知识共享,建立了以知识空间三元组(知识、属性、关系)为背景的知识地图模型,并设计了一种知识地图的概念聚类算法.在概念聚类构造的知识地图中,知识按其属性自动聚类成知识节点,它描述了知识及共属性和关系,并将知识节点以偏序关系排列起来.将它作为组织知识共享的工具,有利于知识的快速查找,提高知识共享的效率.最后通过一个案例给出了模型的应用.

摘要：为在领域本体学习过程中实现最优同领域概念聚类并解决概念重叠问题,通过引入图熵极值理论,提出一种新的领域概念聚类方法。依据最大信息熵原理,将图中各概念节点视为一个整体以取代原选取质心的方法,同时利用图熵最小化计算公式设计概念自动聚类机制。实验结果表明,与K-means算法、基于密度和基于距离的领域概念聚类方法相比,该方法可有效提高查准率、查全率以及综合评估指标F值。

摘要：基于半监督概念聚类技术,提出一种改进的领域本体图中文文本分类算法。根据领域本体图结构模型,创建中文文本分类的本体学习框架,利用HowNet字典实现术语提取并建立中文术语-术语关系映射。依据术语间的权重连接关系,设计二分类关系的KLSeeker本体中文文本分类算法,并通过基于概念聚类的本体图半监督学习,实现中文文本的精确分类。实验结果表明,与基于非负张量分解的中文文本分类算法相比,该算法具有更高的分类精度。

摘要：面向属性的归纳是新近提出的一种广泛用于数据库中知识发现的方法。指出这种方法与一种机器学习方法——概念聚类之间的紧密联系,并描述如何使用一个概念聚类算法进行面向属性的归纳。

摘要：针对目前的领域概念查询聚类方法中未见考虑用户偏好,提出一种支持用户偏好查询的领域概念图模型。该图模型主要包括两部分:基于概念本身考虑,利用综合语义相似度计算方法构建概念的语义关系图;基于用户查询偏好考虑,采用改进的互信息计算用户生成数据间隐含的查询偏好,将其结果用于补全领域概念的语义关系图。这一处理过程使得原有领域概念的语义关系图得到了有益的补充,满足了用户的偏好查询。经实验验证,该算法较现有方法,查准率、查全率以及F-measure值均有所提高且响应时间得到了降低。

摘要：针对从关系数据库模式学习所得的OWL本体大都是轻量级的,其概念层次结构过于扁平,很难被直接用于实际的本体应用,提出一种新颖的OWL本体进化方法。其通过形式概念分析对已有轻量级OWL本体进行概念聚类,根据概念等同度、概念包含度计算,自动提出丰富、修改本体概念语义关系的建议,从而辅助设计者实现本体进化。该方法将FCA与相似度计算结合使用,既发挥FCA语义强度较高的特点,又发挥相似度计算执行效率高且容易实现的特点;同时,规避了相似度计算语义强度较低与FCA实现较为困难且执行效率较低的不足。一个实例结果的评估证实了该方法的有效性。