CN102982168B - 一种基于xml文档的元数据模式匹配方法 - Google Patents
一种基于xml文档的元数据模式匹配方法 Download PDFInfo
- Publication number
- CN102982168B CN102982168B CN201210535449.9A CN201210535449A CN102982168B CN 102982168 B CN102982168 B CN 102982168B CN 201210535449 A CN201210535449 A CN 201210535449A CN 102982168 B CN102982168 B CN 102982168B
- Authority
- CN
- China
- Prior art keywords
- metadata
- sim
- similarity
- dep
- relation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000008569 process Effects 0.000 title claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 241001269238 Data Species 0.000 claims description 5
- 238000011524 similarity measure Methods 0.000 claims description 3
- 101100285518 Drosophila melanogaster how gene Proteins 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于XML文档的元数据模式匹配方法,通过计算两个元数据的语义相似度、属性相似度、实例相似度、结构相似度和关系相似度,根据具体的XML文档来设置权重,最后计算综合相似度,因此在元数据之间的模式匹配时,可使计算结果更精确。
Description
技术领域
本发明关于元数据模式匹配方面,特别涉及XML文档的元数据的语义、属性、实例、结构和关系相似度计算方法,属于数据库技术领域。
背景技术
扩展标记语言(eXtensible Markup Language,XML)是一套定义语义标记的规则,用户通过它可以创建文档类型定义(Document Type Definition,简称DTD)的规则集,XML作为统一的转换语法和交换格式,为开发者和用户提供一种交换元数据信息的标准途径,从而能够方便、简洁地在基于OMG UML的建模工具和基于OMG MOF的元数据仓储(Metadata Repository)之间交换元数据。而元数据则是关于数据的数据,用于描述要素、数据集或数据集系列的内容、覆盖范围、质量、管理方式、数据的所有者、数据的提供方式等有关的信息。近年来越来越多的科研院所都开始致力于元数据相关问题的研究,特别是随着语义Web的发展,元数据理论及其相关技术已逐渐成为计算机领域中重要的研究热点,为了解决网络信息爆炸时代出现的诸多问题,元数据作为一种重要的应对方法和措施,已广泛应用于信息检索、信息集成、信息共享及软件工程等各个应用领域中。
语义内容异构是元数据模式集成中必须要面对而且需要重点解决的问题。要在网络环境下消除由这些独立的元数据方案引起的“信息孤岛”,就必须有某种程度的元数据间互操作,用于解决不同元数据所引起的概念和结构的异构问题,这就需要在元数据之上再建立一些机制,来灵活地实现元数据间的互操作。作为解决信息异构、信息集成的主要方法,模式匹配技术设计的是否合理有效就成了影响元数据模式集成效果的关键因素。而现有的工作面临的是一个以丰富元数据模式语义信息为目的、以多源异构元数据模式合并与构建为任务的新问题。目前元数据模式匹配的算法主要有基于正则表达式规则的逻辑结构匹配算法和基于隐马尔可夫模型的XML文档的元数据匹配算法,但基于正则表达式规则的逻辑结构匹配算法主要考虑XML文档的元数据之间的逻辑结构相似性,忽略了元数据语义相似度、实例相似度以及关系相似度等因素,而基于隐马尔科夫模型的元数据匹配算法主要提取XML文档头部的部分元数据信息,忽略了其他元数据的相似关系。
本专利在现有的元数据模式匹配算法的基础上,提出了新型的一种元数据模式匹配方法,该方法既考虑了元数据的结构特征,又考虑了元数据之间的语义、属性、实例和关系相似度,同时考虑元数据匹配的不对称性问题,可使计算结果更精确。
发明内容
本发明所要解决的技术问题是实现更精确的元数据之间的匹配。
为解决上述技术问题,本发明提供一种基于XML文档的元数据模式匹配方法,其特征在于,包括以下步骤:
1)计算两个元数据的语义相似度:元数据a和元数据b之间的相似度通过字符串的同义词匹配来完成,计算模型如下所示:
其中其中m1i是元数据m1的第i个关键词,m2j是元数据m2的第j个关键词,s表示元数据m1的关键词个数,t表示元数据m2的关键词个数,sim(m1i,m2j)表示关键词m1i和m2j的相似度,如果m1i和m2j相同或为同义词,则sim(m1i,m2j)=1,否则为0;lex_sim(m1,m2)的取值范围为[0,1],当元数据m1中的所有关键词与元数据m2所有关键词相同或为同义词时,lex_sim(m1,m2)=1,而全部不相同或都不为同义词时lex_sim(m1,m2)=0;
2)计算两个元数据的属性相似度:使用公式(2)计算出两个元数据的属性相似度,计算模型如下所示:
式(2)
其中|m1∩m2|表示元数据m1和m2的属性集合的交集的个数,表示属于元数据m1但不属于m2的属性集合的个数,而表示属于元数据m2但不属于m1的属性集合的个数,而D(m1,m2)的计算公式如公式(3)所示,
其中dep(m1)表示元数据m1在XML文档中所处的层(即深度),同样dep(m2)表示元数据m2在XML文档中所处的深度。
3)计算两个元数据的实例相似度:当两个元数据具有多个相同的实例时,这两个元数据可能相似,基于此,两个元数据的实例相似度的公式用公式(4)所示,
|instSet(m1)∩instSet(m2)|表示元数据m1和元数据m2实例的交集个数,|instSet(m1)∪instSet(m2)|表示元数据m1和元数据m2实例的并集个数;
4)计算两个元数据的结构相似度:为了降低计算的复杂度,本专利在计算结构相似度时只考虑元数据的直接父元数据和子元数据,计算公式如式(5)所示,
stru_sim(m1,m2)=λ*Psim(m1,m2)+(1-λ)Ssim(m1,m2) (5)
其中0≤λ≤1,Psim(m1,m2)表示元数据m1的父元数据与m2的父元数据之间的相似度,而Ssim(m1,m2)表示元数据m1的子元数据与m2的子元数据之间的相似度,Psim(m1,m2)和Ssim(m1,m2)计算公式分别如式(6)、(7)所示,
Psim(m1,m2)=attr_sim(p1,p2) (6)
其中p1和p2分别表示元数据m1和m2的父元数据,与分别表示元数据m1和元数据m2的第Si个与第Sj个子元数据,S、T分别表示元数据m1和m2的子元数据的个数,attr_sim的计算如式(2)所示;
5)计算两个元数据的关系相似度:关系由于包含多个数据,而每个数据所处的地位不同,假设一个元数据的关系包括以下几种:名称、类型、时间和空间,则根据数据的权重计算公式可表示为:
rel_sim(m1,m2)=a*name_sim(m1,m2)+b*type_sim(m1,m2) (8)
+c*time_sim(m1,m2)+d*space_sim(m1,m2)
其中参数a+b+c+d=1,name_sim(m1,m2)、type_sim(m1,m2)、time_sim(m1,m2)、space_sim(m1,m2)分别表示元数据m1和m2的名称、类型、时间和空间的关系相似度,可根据关系数据的不同,采用不同的方式计算各关系数据的相似度,如名称和类型为字符串,可以使用字符串相似度计算这些关系数据的类型的相似度;如果是时间类型的,可以根据时间关联来计算相似度;如果是空间类型,可采用皮尔逊相似度来计算两个关系数据的相似度;
6)基于步骤1)到步骤5)的相似度计算,得出两个元数据的综合相似度计算公式,如下所示:
sum_sim(m1,m2)=α*lex_sim(m1,m2)+β*attr_sim(m1,m2)+γ*inst_sim(m1,m2) (9)
+η*stru_sim(m1,m2)+δ*rel_sim(m1,m2)
其中参数α+β+γ+η+δ=1,参数的具体值根据具体环境由用户来定。
本发明所达到的有益效果:
本发明从以下两个方面来完成元数据模式匹配:(1)在不同领域的XML文档中,每个元数据可能与多个元数据相关,各概念元数据之间的存在上下位或其他丰富的语义信息,同时每个元数据还有深度和密度等影响因子,本专利不仅考虑XML文档元数据间的上下位关系(父元数据和子元数据),同时还考虑了元数据的深度和交集等影响因子。(2)将元数据匹配的不对称性问题加入到计算元数据相似度的技术中:由于元数据的语义、属性、实例、结构和关系五个方面在元数据模式匹配中所处的地位不同,需要灵活的根据具体的XML文档来设置权重。两个元数据之间的相似程度由二者的共同点和差异共同决定,共同点越多,其相似程度就越高;而差异越大,其相似程度也就越低,因此在考虑元数据之间的模式匹配程度时,需要从元数据的语义、属性、实例、结构和关系五个方面综合考虑,可使计算结果更精确。
附图说明
图1为本发明的的整体框架图。
具体实施方式
下面结合图1对本申请做进一步说明。
(1)计算两个元数据的语义相似度
计算元数据的语义相似度主要使用构词法相似性来寻找概念间的相似度,语义相似度反映了两个元数据在语言学上的相近程度,由于元数据m1和m2的名称均由字符串表示,所以可以根据字符串的同义词匹配来度量元数据m1和m2之间的相似度。
(2)计算两个元数据的属性相似度
元数据的属性由两部分组成:一部分是属性名称,其反映了属性的内容,另一部分是属性类型,它限制了属性的参数取值范围。计算元数据m1和m2的属性相似度需要综合考虑两元数据的数据属性交集的个数、属于元数据m1的描述集合而不属于m2集合的个数以及属于元数据m2的描述集合而不属于m1集合的个数。
(3)计算两个元数据的实例相似度
元数据m1和m2的属性相似度描述了元数据m1和元数据m2的交集个数与并集个数的比例。
(4)计算两个元数据的结构相似度
XML文档中每一个元数据都具有结构特征如父元数据、子元数据等。因此,在计算元数据语义相似度的时,概念的结构特征是不容忽视的。本专利首先分别计算出两个概念的父概念的相似度和子概念集合中各个子概念的相似度,最后综合两个计算结果。
(5)计算两个元数据的关系相似度
XML文档中的元数据之间都存在一定的关系。元数据的关系对元数据的描述也具有重要的作用,关系有关系名称、关系类型、时间、空间等数据,所以本专利在计算两个元数据的关系相似度时需要从这些方面综合计算,由于这些数据的在关系所占的权重是不同的,所以需要设置参数加以调整。
(6)计算两个元数据的综合相似度
基于上述的五种相似度计算方法,可以得到元数据的综合相似度。由于五个方面在元数据综合相似度技术过程中的地位不同,参数的设置值需要根据具体环境由用户来定。
一种基于XML文档的元数据模式匹配方法,其特征在于,包括以下步骤:
1)计算两个元数据的语义相似度:元数据a和元数据b之间的相似度通过字符串的同义词匹配来完成,计算模型如下所示:
其中其中m1i是元数据m1的第i个关键词,m2j是元数据m2的第j个关键词,s表示元数据m1的关键词个数,t表示元数据m2的关键词个数,sim(m1i,m2j)表示关键词m1i和m2j的相似度,如果m1i和m2j相同或为同义词,则sim(m1i,m2j)=1,否则为0;lex_sim(m1,m2)的取值范围为[0,1],当元数据m1中的所有关键词与元数据m2所有关键词相同或为同义词时,lex_sim(m1,m2)=1,而全部不相同或都不为同义词时lex_sim(m1,m2)=0;
2)计算两个元数据的属性相似度:使用公式(2)计算出两个元数据的属性相似度,计算模型如下所示:
式(2)
其中|m1∩m2|表示元数据m1和m2的属性集合的交集的个数,表示属于元数据m1但不属于m2的属性集合的个数,而表示属于元数据m2但不属于m1的属性集合的个数,而D(m1,m2)的计算公式如公式(3)所示,
其中dep(m1)表示元数据m1在XML文档中所处的层(即深度),同样dep(m2)表示元数据m2在XML文档中所处的深度。
3)计算两个元数据的实例相似度:当两个元数据具有多个相同的实例时,这两个元数据可能相似,基于此,两个元数据的实例相似度的公式用公式(4)所示,
|instSet(m1)∩instSet(m2)|表示元数据m1和元数据m2实例的交集个数,|instSet(m1)∪instSet(m2)|表示元数据m1和元数据m2实例的并集个数;
4)计算两个元数据的结构相似度:为了降低计算的复杂度,本专利在计算结构相似度时只考虑元数据的直接父元数据和子元数据,计算公式如式(5)所示,
stru_sim(m1,m2)=λ*Psim(m1,m2)+(1-λ)Ssim(m1,m2) (5)
其中0≤λ≤1,Psim(m1,m2)表示元数据m1的父元数据与m2的父元数据之间的相似度,而Ssim(m1,m2)表示元数据m1的子元数据与m2的子元数据之间的相似度,Psim(m1,m2)和Ssim(m1,m2)计算公式分别如式(6)、(7)所示,
Psim(m1,m2)=attr_sim(p1,p2) (6)
其中p1和p2分别表示元数据m1和m2的父元数据,与分别表示元数据m1和元数据m2的第Si个与第Sj个子元数据,S、T分别表示元数据m1和m2的子元数据的个数,attr_sim的计算如式(2)所示。
5)计算两个元数据的关系相似度:关系由于包含多个数据,而每个数据所处的地位不同,假设一个元数据的关系包括以下几种:名称、类型、时间和空间,则根据数据的权重计算公式可表示为:
rel_sim(m1,m2)=a*name_sim(m1,m2)+b*type_sim(m1,m2) (8)
+c*time_sim(m1,m2)+d*space_sim(m1,m2)
其中a+b+c+d=1,name_sim(m1,m2)、type_sim(m1,m2)、time_sim(m1,m2)、space_sim(m1,m2)分别表示元数据m1和m2的名称、类型、时间和空间的关系相似度,可根据关系数据的不同,采用不同的方式计算各关系数据的相似度,如名称和类型为字符串,可以使用字符串相似度计算这些关系数据的类型的相似度;如果是时间类型的,可以根据时间关联来计算相似度;如果是空间类型,可采用皮尔逊相似度来计算两个关系数据的相似度;
6)基于步骤1)到步骤5)的相似度计算,得出两个元数据的综合相似度计算公式,如下所示:
sum_sim(m1,m2)=α*lex_sim(m1,m2)+β*attr_sim(m1,m2)+γ*inst_sim(m1,m2) (9)
+η*stru_sim(m1,m2)+δ*rel_sim(m1,m2)
其中α+β+γ+η+δ=1,参数的具体值根据具体环境由用户来定。
以上已以较佳实施例公开了本发明,然其并非用以限制本发明,凡采用等同替换或者等效变换方式所获得的技术方案,均落在本发明的保护范围之内。
Claims (1)
1.一种基于XML文档的元数据模式匹配方法,其特征在于,包括以下步骤:
1)计算两个元数据的语义相似度:元数据m1和元数据m2之间的相似度通过字符串的同义词匹配来完成,计算模型如下所示:
其中m1i是元数据m1的第i个关键词,m2j是元数据m2的第j个关键词,s表示元数据m1的关键词个数,t表示元数据m2的关键词个数,sim(m1i,m2j)表示关键词m1i和m2j的相似度,如果m1i和m2j相同或为同义词,则sim(m1i,m2j)=1,否则为0;lex_sim(m1,m2)的取值范围为[0,1],当元数据m1中的所有关键词与元数据m2所有关键词相同或为同义词时,lex_sim(m1,m2)=1,而全部不相同或都不为同义词时lex_sim(m1,m2)=0;
2)计算两个元数据的属性相似度:使用公式(2)计算出两个元数据的属性相似度,计算模型如下所示:
其中|m1∩m2|表示元数据m1和m2的属性集合的交集的个数,表示属于元数据m1但不属于m2的属性集合的个数,而表示属于元数据m2但不属于m1的属性集合的个数,而D(m1,m2)的计算公式如公式(3)所示,
其中dep(m1)表示元数据m1在XML文档中所处的深度,同样dep(m2)表示元数据m2在XML文档中所处的深度;
3)计算两个元数据的实例相似度:两个元数据的实例相似度的公式如公式(4)所示,
|instSet(m1)∩instSet(m2)|表示元数据m1和元数据m2实例的交集个数,|instSet(m1)∪instSet(m2)|表示元数据m1和元数据m2实例的并集个数;
4)计算两个元数据的结构相似度:计算公式如式(5)所示,
stru_sim(m1,m2)=λ*Psim(m1,m2)+(1-λ)Ssim(m1,m2)(5)
其中0≤λ≤1,Psim(m1,m2)表示元数据m1的父元数据与m2的父元数据之间的相似度,而Ssim(m1,m2)表示元数据m1的子元数据与m2的子元数据之间的相似度,Psim(m1,m2)和Ssim(m1,m2)计算公式分别如式(6)、(7)所示,
Psim(m1,m2)=attr_sim(p1,p2)(6)
其中p1和p2分别表示元数据m1和m2的父元数据,与分别表示元数据m1和元数据m2的第Si个与第Sj个子元数据,S、T分别表示元数据m1和m2的子元数据的个数,attr_sim的计算如式(2)所示;
5)计算两个元数据的关系相似度:关系包含多个数据,而每个数据所处的地位不同,一个元数据的关系包括以下几种类型:名称、类型、时间和空间,根据两个元数据的名称、类型、时间和空间的关系相似度的权重计算公式,两个元数据的关系相似度表示为:
其中参数a+b+c+d=1,name_sim(m1,m2)、type_sim(m1,m2)、time_sim(m1,m2)、space_sim(m1,m2)分别表示元数据m1和m2的名称、类型、时间和空间的关系相似度,根据关系数据的不同,采用不同的方式计算各关系数据的相似度,如果名称和类型为字符串,使用字符串相似度计算关系数据的名称和类型的相似度;如果元数据的关系是时间类型的,根据时间关联来计算相似度;如果元数据的关系是空间类型,采用皮尔逊相似度来计算两个关系数据的相似度;
6)基于步骤1)到步骤5)的相似度计算,得出两个元数据的综合相似度计算公式,如下所示:
其中参数α+β+γ+η+δ=1,参数的具体值根据具体环境由用户来定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210535449.9A CN102982168B (zh) | 2012-12-12 | 2012-12-12 | 一种基于xml文档的元数据模式匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210535449.9A CN102982168B (zh) | 2012-12-12 | 2012-12-12 | 一种基于xml文档的元数据模式匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102982168A CN102982168A (zh) | 2013-03-20 |
CN102982168B true CN102982168B (zh) | 2015-10-21 |
Family
ID=47856184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210535449.9A Active CN102982168B (zh) | 2012-12-12 | 2012-12-12 | 一种基于xml文档的元数据模式匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102982168B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182386A (zh) * | 2013-05-27 | 2014-12-03 | 华东师范大学 | 词对关系相似度的计算方法 |
CN103473695B (zh) * | 2013-09-01 | 2017-06-30 | 山东师范大学 | 一种基于语义网的Web服务发现方法及系统 |
CN104881463B (zh) * | 2015-05-22 | 2018-01-16 | 清华大学深圳研究生院 | 基于结构化病历数据库的参考病历检索方法及装置 |
CN107203529B (zh) * | 2016-03-16 | 2020-02-21 | 中国移动通信集团河北有限公司 | 基于元数据图结构相似性的多业务关联性分析方法及装置 |
CN106777025B (zh) * | 2016-12-08 | 2020-10-27 | 北京国电通网络技术有限公司 | 一种数据库物理模型的分析方法及系统 |
CN107329955B (zh) * | 2017-06-30 | 2020-09-15 | 武汉工程大学 | 一种地理本体要素实例属性相似度的计算方法 |
CN110795607A (zh) * | 2019-10-29 | 2020-02-14 | 中国人民解放军32181部队 | 一种基于多级相似度计算的装备保障数据匹配方法及系统 |
CN113127573A (zh) * | 2019-12-31 | 2021-07-16 | 奇安信科技集团股份有限公司 | 相关数据的确定方法、装置、计算机设备和存储介质 |
CN111625596B (zh) * | 2020-05-14 | 2023-12-26 | 国网辽宁省电力有限公司 | 新能源实时消纳调度的多源数据同步共享方法及系统 |
CN114462384B (zh) * | 2022-04-12 | 2022-07-12 | 北京大学 | 一种面向数字对象建模的元数据自动生成装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667201A (zh) * | 2009-09-18 | 2010-03-10 | 浙江大学 | 基于树合并的Deep Web查询接口集成方法 |
CN101930462A (zh) * | 2010-08-20 | 2010-12-29 | 华中科技大学 | 一种综合的本体相似度检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070055655A1 (en) * | 2005-09-08 | 2007-03-08 | Microsoft Corporation | Selective schema matching |
US20070185868A1 (en) * | 2006-02-08 | 2007-08-09 | Roth Mary A | Method and apparatus for semantic search of schema repositories |
-
2012
- 2012-12-12 CN CN201210535449.9A patent/CN102982168B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667201A (zh) * | 2009-09-18 | 2010-03-10 | 浙江大学 | 基于树合并的Deep Web查询接口集成方法 |
CN101930462A (zh) * | 2010-08-20 | 2010-12-29 | 华中科技大学 | 一种综合的本体相似度检测方法 |
Non-Patent Citations (2)
Title |
---|
XML模式匹配方法研究;金贤哲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100515;1696-1699 * |
李君君.信息集成:基于XML Schema 的模式匹配.《情报科学》.2006,第24卷(第11期),1-4. * |
Also Published As
Publication number | Publication date |
---|---|
CN102982168A (zh) | 2013-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982168B (zh) | 一种基于xml文档的元数据模式匹配方法 | |
Henrich et al. | GernEdiT-The GermaNet Editing Tool. | |
CN113392227B (zh) | 面向轨道交通领域的元数据知识图谱引擎系统 | |
CN108446367A (zh) | 一种基于知识图谱的包装行业数据搜索方法及设备 | |
CN108446368A (zh) | 一种包装产业大数据知识图谱的构建方法及设备 | |
CN107180045A (zh) | 一种互联网文本蕴含地理实体关系的抽取方法 | |
CN107992608B (zh) | 一种基于关键字上下文的sparql查询语句自动生成方法 | |
CN102708161A (zh) | 一种使用公共概念集的数据逻辑模型建模方法 | |
CN105608232A (zh) | 一种基于图形数据库的bug知识建模方法 | |
CN107562919A (zh) | 一种基于信息检索的多索引集成软件构件检索方法及系统 | |
CN113946686A (zh) | 电力营销知识图谱构建方法及系统 | |
CN103020283A (zh) | 一种基于背景知识的动态重构的语义检索方法 | |
CN115203337A (zh) | 一种数据库元数据关系知识图谱生成方法 | |
CN116821376B (zh) | 煤矿安全生产领域的知识图谱构建方法及系统 | |
Huang et al. | Design and implementation of oil and gas information on intelligent search engine based on knowledge graph | |
Jiang et al. | Research on BIM-based Construction Domain Text Information Management. | |
CN109271484A (zh) | 一种基于语义本体的档案数据智能推理方法 | |
CN116662562A (zh) | 一种面向产品概念设计的领域知识图谱框架及其构建方法 | |
Liu et al. | Knowledge Graph Construction and Application of Spatial Arrangement of Underground Powerhouse | |
Wang et al. | NALMO: Transforming queries in natural language for moving objects databases | |
Cheng et al. | A new matching algorithm for Chinese place names | |
Ibrahim et al. | Exquisite: explaining quantities in text | |
Chen et al. | Construction Methods of Knowledge Mapping for Full Service Power Data Semantic Search System | |
Gao et al. | Semi-automatic construction of ontology-based cbr system for knowledge integration | |
Huang et al. | On the application technology of computer database system in information management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |