基于贝叶斯本体的Web知识发现研究

语义网环境下本体推理是一种非常有效的知识获取方式，利用贝叶斯本体可以实现不确定性推理，解决了目前本体推理不能深层次挖掘不确定性知识的问题，在Web知识发现中起到重要作用。.课题拓展多实体贝叶斯网络成为面向对象的贝叶斯网络，研究多实体决策图与特定情境贝叶斯网络的转换算法，另外，为了解决动态Web文档推理的问题，课题研究面向多实体贝叶斯网络的动态网络结构学习和参数学习算法，并研究基于多实体贝叶斯网络的大型复杂网络推理算法；研究贝叶斯本体的表示方法，并改进OWL语言以建立不确定性知识推理平台；通过研究面向贝叶斯本体的Web文档映射，以及Web知识发现情境下贝叶斯网络的结构和参数学习算法，实现Web知识自动发现；将通过前期课题所积累的数据（动态更新的消费品质量安全事故案例Web文档）验证课题所提方法的有效性。课题所提方法具有一定的通用性，可以为其它领域的知识发现提供一定借鉴作用。

课题针对多实体贝叶斯网络的动态网络结构学习问题，提出了基于并行迭代的Metropolis-Hasting Sampler抽样的算法；构建了基于特征归纳的条件随机场模型来进行命名实体识别与抽取，并用基于改进贪婪算法进行歧义消解；在前期课题积累的消费品质量安全案例Web文档基础上，通过研究面向贝叶斯本体的Web文档映射，对消费品质量安全案例进行语法和句法分析，从而构建对应的贝叶斯本体模型，并进行复杂贝叶斯网络的推理研究。课题共发表40篇论文，均标注自然基金号，其中SCI(含SSCI)检索共12篇。