CN108595424A - 一种智能家居中基于领域本体的设备搜索方法 - Google Patents

一种智能家居中基于领域本体的设备搜索方法 Download PDF

Info

Publication number
CN108595424A
CN108595424A CN201810353767.0A CN201810353767A CN108595424A CN 108595424 A CN108595424 A CN 108595424A CN 201810353767 A CN201810353767 A CN 201810353767A CN 108595424 A CN108595424 A CN 108595424A
Authority
CN
China
Prior art keywords
smart home
ontology
keyword
equipment
sim
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.)
Pending
Application number
CN201810353767.0A
Other languages
English (en)
Inventor
宁焕生
徐玥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201810353767.0A priority Critical patent/CN108595424A/zh
Publication of CN108595424A publication Critical patent/CN108595424A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Abstract

本发明提供一种智能家居中基于领域本体的设备搜索方法，能够提高查全率和查准率。所述方法包括：获取建立的智能家居领域本体模型；根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系；根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表；获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录。本发明适用于物联网中设备搜索操作。

Description

一种智能家居中基于领域本体的设备搜索方法
技术领域
本发明涉及智能家居领域，特别是指一种智能家居中基于领域本体的设备搜索方法。
背景技术
随着科学技术的快速发展，智能家居领域中设备中呈现出指数级的增长，成百上千功能不同的传感器和执行器开始出现在用户的居住环境中。
由于智能家居中环境以及各要素间关系的复杂性，现有技术中使用的基于关键字的设备搜索方法无法准确理解用户输入的意图，导致搜索方法查全率、查准率低，无法为用户提供满意的搜索结果。
发明内容
本发明要解决的技术问题是提供一种智能家居中基于领域本体的设备搜索方法，以解决现有技术所存在的基于关键字的设备搜索方法查全率、查准率低的问题。
为解决上述技术问题，本发明实施例提供一种智能家居中基于领域本体的设备搜索方法，包括：
获取建立的智能家居领域本体模型；
根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系；
根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表；
获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录。
进一步地，在获取建立的智能家居领域本体模型之前，所述方法还包括：
使用本体建模语言对智能家居领域本体进行统一的资源描述，建立智能家居领域本体模型。
进一步地，所述智能家居领域本体包括：智能家居环境中的各要素以及各要素之间的关系。
进一步地，所述根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系包括：
根据获取的智能家居领域本体模型，利用推理引擎及自定义的推理规则，对智能家居本体已有的关系进行推理，得到智能家居本体隐含关系。
进一步地，所述根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表包括：
对预先设置的设备数据库中存储的设备信息的各个字段分别构建索引，得到索引表。
进一步地，所述获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录包括：
获取用户输入的查询词；
对输入的查询词去分词和停止词处理，在预设的分词字典中加入智能家居本体概念集合，将去分词和停止词后的查询词转化成关键词集合，其中，所述关键词集合中的关键词为检索关键词概念；
对关键词集合中的每一个关键词，在智能家居本体中进行概念的匹配；
若匹配成功，则执行基于智能家居本体的语义扩展，得到关键词的候选集；
否则，则执行基于同义词词林的语义扩展，得到关键词的候选集；
对候选集中每一个候选词，在所述索引表中进行查找，获取相应的设备记录；
将设备记录的相似度值进行排序，将排序结果返回给用户。
进一步地，所述执行基于智能家居本体的语义扩展，得到关键词的候选集包括：
若两个概念节点之间存在对象属性，则两个概念节点之间的相似度值sim(ci,cj)表示为：
sim(ci,cj)＝θ1simobj(ci,cj)+θ2simdep(ci,cj)+θ3simcount(ci,cj)
其中，ci,cj表示本体中的两个概念节点，simobj(ci,cj)表示语义相关度，simdep(ci,cj)表示语义深度，simcount(ci,cj)表示语义重合度，θ1,θ2,θ3都表示可调节参数；
若两个概念节点之间不存在对象属性，则两个概念节点之间的相似度值sim(ci,cj)表示为：
sim(ci,cj)＝μ1simdist(ci,cj)+μ2simdep(ci,cj)+μ3simcount(ci,cj)
其中，simdist(ci,cj)表示语义距离，μ1,μ2,μ3都表示可调节参数；
将相似度值大于预设的第一阈值的智能家居领域本体模型中的概念节点加入候选集中。
进一步地，所述执行基于同义词词林的语义扩展，得到关键词的候选集包括：
在同义词词林中查找关键词；
如果存在，将与所述关键词在同义词词林中相似度值大于预设的第二阈值的词语，加入候选集中；
如果不存在，将所述关键词加入候选集中，并设置其相似度值为1。
进一步地，所述对候选集中每一个候选词，在所述索引表中进行查找，获取相应的设备记录包括：
对候选集中每一个候选词，在所述索引表中进行查找，获取相应的设备记录，并设置设备记录的相似度值为对应候选词的相似度值；
其中，每个关键词对应一个候选集和一个结果集，所述结果集用于该关键词对应的设备记录及设备记录的相似度值。
进一步地，所述将设备记录的相似度值进行排序，将排序结果返回给用户；
将相同设备记录的相似度值相加并归一化；
按照归一化后的相似度值对设备记录进行排序，并返回给用户。
本发明的上述技术方案的有益效果如下：
上述方案中，获取建立的智能家居领域本体模型；根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系；根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表；获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录，和现有技术中的基于关键字的设备搜索方法相比，可以提高用户搜索结果的中相关结果的出现比重，同时减少非相关结果的出现比重，即提高查全率和查准率，并保证较高的F值。
附图说明
图1为本发明实施例提供的智能家居中基于领域本体的设备搜索方法的流程示意图；
图2为本发明实例提供的智能家居领域本体类示意图；
图3为本发明实例提供的智能家居领域本体关系示意图；
图4为本发明实例提供的智能家居中基于领域本体的设备搜索方法的具体流程示意图；
图5为本发明实例提供的基于智能家居本体的自定义推理规则示意图；
图6为本发明实例提供的智能家居本体中自定义对象属性及其对应权值示意图；
图7为本发明实例提供的设备搜索方法与关键字搜索方法的查全率对比示意图；
图8为本发明实例提供的设备搜索方法与关键字搜索方法的查准率对比示意图；
图9为本发明实例提供的设备搜索方法与关键字搜索方法的F值对比示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的基于关键字的设备搜索方法查全率、查准率低的问题，提供一种智能家居中基于领域本体的设备搜索方法。
如图1所示，本发明实施例提供的智能家居中基于领域本体的设备搜索方法，包括：
S101，获取建立的智能家居领域本体模型；
S102，根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系；
S103，根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表；
S104，获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录。
本发明实施例所述的智能家居中基于领域本体的设备搜索方法，获取建立的智能家居领域本体模型；根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系；根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表；获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录，和现有技术中的基于关键字的设备搜索方法相比，可以提高用户搜索结果的中相关结果的出现比重，同时减少非相关结果的出现比重，即提高查全率和查准率，并保证较高的F值。
本发明实施例所述的智能家居中基于领域本体的设备搜索方法可以作为一个中间件，为其他使用智能家居中设备的上层应用提供设备的搜索接口，实现设备的复用，减少相同功能设备的同一位置的重复部署，最大化的节约资源。
在前述智能家居中基于领域本体的设备搜索方法的具体实施方式中，进一步地，在获取建立的智能家居领域本体模型之前，所述方法还包括：
使用本体建模语言对智能家居领域本体进行统一的资源描述，建立智能家居领域本体模型。
本实施例中，因为智能家居环境中设备的海量性和异构型，当设备接入物联网的时候，也增加了接入的复杂性，而本体是一种概念化的显示规范，其可以用人类可以理解和机器可读的格式表示对象信息，为了用一种统一的方式来分别描述智能家居中的设备、位置、观测值以及拥有人等要素信息，进行数据的共享和重用，本实施例中，使用本体来构建智能家居领域模型。
本实施例中，如图2所示，例如，可以使用本体建模语言对智能家居环境中的设备、位置、观测值以及拥有人分别进行了统一的资源描述，从而建立智能家居领域本体模型，实现智能家居中信息的重用、设备的复用，从而减少相同功能设备的同一位置的重复部署，节约资源。
在前述智能家居中基于领域本体的设备搜索方法的具体实施方式中，进一步地，所述智能家居领域本体包括：智能家居环境中的各要素以及各要素之间的关系。
本实施例中，所述智能家居领域本体可以包括图2中的四个顶层本体类和他们的子类，以及图3中的智能家居本体间的关系，能够实现智能家居中信息的重用、设备的复用，从而减少相同功能设备的同一位置的重复部署，节约资源。
在前述智能家居中基于领域本体的设备搜索方法的具体实施方式中，进一步地，所述根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系包括：
根据获取的智能家居领域本体模型，利用推理引擎及自定义的推理规则，对智能家居本体已有的关系进行推理，得到智能家居本体隐含关系。
本实施例中，如图4所示，可以使用自定义的适用于本领域的推理规则，并使用推理引擎进行智能家居本体的推理，从智能家居本体中已有的关系推理出一系列隐含的关系知识，为搜索部分做铺垫；其中，自定义的适用于本领域的推理规则如图5所示。
在前述智能家居中基于领域本体的设备搜索方法的具体实施方式中，进一步地，所述根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表包括：
对预先设置的设备数据库中存储的设备信息的各个字段分别构建索引，得到索引表。
本实施例中，优选地，可以使用Lucene构建倒排索引，构建的倒排索引用于查询数据时，能够提高数据检索的效率。
在前述智能家居中基于领域本体的设备搜索方法的具体实施方式中，进一步地，所述获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录包括：
获取用户输入的查询词；
对输入的查询词去分词和停止词处理，在预设的分词字典中加入智能家居本体概念集合，将去分词和停止词后的查询词转化成关键词集合，其中，所述关键词集合中的关键词为检索关键词概念；
对关键词集合中的每一个关键词，在智能家居本体中进行概念的匹配；
若匹配成功，则执行基于智能家居本体的语义扩展，得到关键词的候选集；
否则，则执行基于同义词词林的语义扩展，得到关键词的候选集；
对候选集中每一个候选词，在所述索引表中进行查找，获取相应的设备记录；
将设备记录的相似度值进行排序，将排序结果返回给用户。
本实施例中，根据获取到的用户输入的查询词进行智能家居领域的设备搜索，设备搜索过程如图4所示，主要包括：查询词预处理、语义扩展、查询索引以及结果排序。
本实施例中，所述查询词预处理包括：
对输入的查询词进行去分词和停止词处理，在预设的分词字典中加入智能家居本体概念集合，将去分词和停止词后的查询词转化成一个关键词集合。
本实施例中，所述语义扩展包括基于智能家居本体的语义扩展以及基于同义词词林的语义扩展。
本实施例中，所述基于智能家居本体的语义扩展，考虑两个本体间两个概念节点的语义相似度以及语义相关度；其中，语义相似度考虑的是本体的层次结构，具体考虑了两个概念节点语义距离、语义深度以及语义重合度；语义相关度考虑的是两个节点之间的除了层次结构以外的其他关系，具体考虑了两个概念节点对象属性的距离，对象属性如图6所示。
本实施例中，所述根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展包括：
对关键词集合中的每一个关键词，在智能家居本体中进行概念的匹配，如果匹配成功，则执行基于智能家居本体的语义扩展，得到关键词的候选集；如果不成功，则执行基于同义词词林的语义扩展，得到关键词的候选集。
本实施例中，所述执行基于智能家居本体的语义扩展，得到关键词的候选集包括：
若两个概念节点之间存在对象属性，则考虑语义相关度、语义深度以及语义重合度三种因素，两个概念节点之间的相似度值sim(ci,cj)表示为：
sim(ci,cj)＝θ1simobj(ci,cj)+θ2simdep(ci,cj)+θ3simcount(ci,cj)
其中，ci,cj表示本体中的两个概念节点，simobj(ci,cj)表示语义相关度，simdep(ci,cj)表示语义深度，simcount(ci,cj)表示语义重合度，θ1,θ2,θ3都表示可调节参数，且θ1+θ2+θ3＝1；
若两个概念节点之间不存在对象属性，则考虑语义距离，语义深度以及语义重合度三种因素，两个概念节点之间的相似度值sim(ci,cj)表示为：
sim(ci,cj)＝μ1simdist(ci,cj)+μ2simdep(ci,cj)+μ3simcount(ci,cj)
其中，simdist(ci,cj)表示语义距离，μ1,μ2,μ3都表示可调节参数，且μ1+μ2+μ3＝1；
将相似度值大于预设的第一阈值的智能家居领域本体模型中的概念节点加入候选集中。
本实施例中，可以使用熵权法确定θ1,θ2,θ3以及μ1,μ2,μ3。
本实施例中，所述执行基于同义词词林的语义扩展，得到关键词的候选集包括：
在同义词词林中查找关键词；
如果存在，将与所述关键词在同义词词林中相似度值大于预设的第二阈值的词语，加入候选集中；
如果不存在，将所述关键词加入候选集中，并设置其相似度值为1。
本实施例中，所述查询索引包括，对于候选集中每一个候选词，在构建的索引表中进行查找，获取相应的设备记录，并设置设备记录的相似度值为对应候选词的相似度值；
其中，每个关键词对应一个候选集和一个结果集，所述结果集用于该关键词对应的设备记录及设备记录的相似度值。
本实施例中，所述结果排序包括，将相同设备记录的相似度值相加并归一化，按照归一化后的相似度值对设备记录进行排序，并返回给用户。
本实施例中，随机挑选30组查询词，实验结果如图7-9所示，证明了本发明实施例提出的智能家居中基于领域本体的设备搜索方法相比与现有技术中的基于关键字的设备搜索方法能提高查全率和查准率，同时保证较高的F值。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种智能家居中基于领域本体的设备搜索方法，其特征在于，包括：
获取建立的智能家居领域本体模型；
根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系；
根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表；
获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录。
2.根据权利要求1所述的智能家居中基于领域本体的设备搜索方法，其特征在于，在获取建立的智能家居领域本体模型之前，所述方法还包括：
使用本体建模语言对智能家居领域本体进行统一的资源描述，建立智能家居领域本体模型。
3.根据权利要求2所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述智能家居领域本体包括：智能家居环境中的各要素以及各要素之间的关系。
4.根据权利要求1所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述根据获取的智能家居领域本体模型对智能家居本体进行推理，得到智能家居本体隐含关系包括：
根据获取的智能家居领域本体模型，利用推理引擎及自定义的推理规则，对智能家居本体已有的关系进行推理，得到智能家居本体隐含关系。
5.根据权利要求1所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述根据预先设置的设备数据库中存储的设备信息构建索引，得到索引表包括：
对预先设置的设备数据库中存储的设备信息的各个字段分别构建索引，得到索引表。
6.根据权利要求1所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述获取用户输入的查询词，根据得到的智能家居本体隐含关系，利用基于智能家居本体的语义扩展及基于同义词词林的语义扩展相结合的方法对所述查询词进行扩展，查找所述索引表，返回相应的设备记录包括：
获取用户输入的查询词；
对输入的查询词去分词和停止词处理，在预设的分词字典中加入智能家居本体概念集合，将去分词和停止词后的查询词转化成关键词集合，其中，所述关键词集合中的关键词为检索关键词概念；
对关键词集合中的每一个关键词，在智能家居本体中进行概念的匹配；
若匹配成功，则执行基于智能家居本体的语义扩展，得到关键词的候选集；
否则，则执行基于同义词词林的语义扩展，得到关键词的候选集；
对候选集中每一个候选词，在所述索引表中进行查找，获取相应的设备记录；
将设备记录的相似度值进行排序，将排序结果返回给用户。
7.根据权利要求6所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述执行基于智能家居本体的语义扩展，得到关键词的候选集包括：
若两个概念节点之间存在对象属性，则两个概念节点之间的相似度值sim(ci，cj)表示为：
sim(ci，cj)＝θ1simobj(ci，cj)+θ2simdep(ci，cj)+θ3simcount(ci，cj)
其中，ci，cj表示本体中的两个概念节点，simobj(ci，cj)表示语义相关度，simdep(ci，cj)表示语义深度，simcount(ci，cj)表示语义重合度，θ1，θ2，θ3都表示可调节参数；
若两个概念节点之间不存在对象属性，则两个概念节点之间的相似度值sim(ci，cj)表示为：
sim(ci，cj)＝μ1simdist(ci，cj)+μ2simdep(ci，cj)+μ3simcount(ci，cj)
其中，simdist(ci，cj)表示语义距离，μ1，μ2，μ3都表示可调节参数；
将相似度值大于预设的第一阈值的智能家居领域本体模型中的概念节点加入候选集中。
8.根据权利要求7所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述执行基于同义词词林的语义扩展，得到关键词的候选集包括：
在同义词词林中查找关键词；
如果存在，将与所述关键词在同义词词林中相似度值大于预设的第二阈值的词语，加入候选集中；
如果不存在，将所述关键词加入候选集中，并设置其相似度值为1。
9.根据权利要求8所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述对候选集中每一个候选词，在所述索引表中进行查找，获取相应的设备记录包括：
对候选集中每一个候选词，在所述索引表中进行查找，获取相应的设备记录，并设置设备记录的相似度值为对应候选词的相似度值；
其中，每个关键词对应一个候选集和一个结果集，所述结果集用于该关键词对应的设备记录及设备记录的相似度值。
10.根据权利要求9所述的智能家居中基于领域本体的设备搜索方法，其特征在于，所述将设备记录的相似度值进行排序，将排序结果返回给用户；
将相同设备记录的相似度值相加并归一化；
按照归一化后的相似度值对设备记录进行排序，并返回给用户。
CN201810353767.0A 2018-04-19 2018-04-19 一种智能家居中基于领域本体的设备搜索方法 Pending CN108595424A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810353767.0A CN108595424A (zh) 2018-04-19 2018-04-19 一种智能家居中基于领域本体的设备搜索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810353767.0A CN108595424A (zh) 2018-04-19 2018-04-19 一种智能家居中基于领域本体的设备搜索方法

Publications (1)

Publication Number Publication Date
CN108595424A true CN108595424A (zh) 2018-09-28

Family

ID=63613871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810353767.0A Pending CN108595424A (zh) 2018-04-19 2018-04-19 一种智能家居中基于领域本体的设备搜索方法

Country Status (1)

Country Link
CN (1) CN108595424A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633348B (zh) * 2019-07-30 2021-05-04 中国人民解放军国防科技大学 一种基于本体的高性能计算资源池化索引查询方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100918040B1 (ko) * 2007-07-16 2009-09-18 (주)라이코 다기능 무선제어 가능한 지능형 홈오토메이션 시스템의 제어 방법
CN103592925A (zh) * 2013-11-25 2014-02-19 吉林大学 一种基于语义融合的智能家居系统
CN105320715A (zh) * 2014-10-22 2016-02-10 武汉理工大学 基于本体的语义查询方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100918040B1 (ko) * 2007-07-16 2009-09-18 (주)라이코 다기능 무선제어 가능한 지능형 홈오토메이션 시스템의 제어 방법
CN103592925A (zh) * 2013-11-25 2014-02-19 吉林大学 一种基于语义融合的智能家居系统
CN105320715A (zh) * 2014-10-22 2016-02-10 武汉理工大学 基于本体的语义查询方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张晓双: "基于智能家居的本体查询扩展研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633348B (zh) * 2019-07-30 2021-05-04 中国人民解放军国防科技大学 一种基于本体的高性能计算资源池化索引查询方法

Similar Documents

Publication Publication Date Title
Sheth et al. Semantics for the semantic web: The implicit, the formal and the powerful
Huang et al. Meta structure: Computing relevance in large heterogeneous information networks
Tran et al. Ontology-based interpretation of keywords for semantic search
US10509814B2 (en) System and method for the indexing and retrieval of semantically annotated data using an ontology-based information retrieval model
Lopez et al. Powermap: Mapping the real semantic web on the fly
Tekli et al. SemIndex+: A semantic indexing scheme for structured, unstructured, and partly structured data
Ropero et al. A Fuzzy Logic intelligent agent for Information Extraction: Introducing a new Fuzzy Logic-based term weighting scheme
Nikolov et al. What should I link to? Identifying relevant sources and classes for data linking
Lopez et al. Scaling up question-answering to linked data
Janik et al. Training-less ontology-based text categorization
Peng et al. Answering top-K query combined keywords and structural queries on RDF graphs
Mittal et al. A hybrid approach of personalized web information retrieval
Barathi et al. Ontology based query expansion using word sense disambiguation
Kim et al. Ontology construction using online ontologies based on selection, mapping and merging
Gunaratna et al. Alignment and dataset identification of linked data in semantic web
CN108595424A (zh) 一种智能家居中基于领域本体的设备搜索方法
Campos et al. Multiagent based recommendation system model for indexing and retrieving learning objects
Korichi et al. Extended Bayesian generalization model for understanding user’s intention in semantics based images retrieval
Hedeler et al. Chapter 7: dataspaces
Lin et al. Smart Semantic Query of Design Information in a Case Library
Wang et al. Research on discovering deep web entries
Noah et al. Ontology-driven semantic digital library
Haase et al. Personalized information retrieval in bibster, a semantics-based bibliographic peer-to-peer system
Zuluaga Cajiao et al. Graph-based similarity for document retrieval in the biomedical domain
Ungrangsi et al. SQORE-based ontology retrieval system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180928