公共文化服务平台

E-Learning系统中课程知识本体的构建与实现被引量：5: 2009年; 本文提出了一套指导E-Learning系统中课程知识本体构建的原理和规则。以C语言程序设计课程为例,按照教学步骤和教学规律,通过对课程知识点中核心概念集的抽取及其概念之间关系的建立,形成了C语言程序设计课程知识本体,该本体由183个概念、130个上下位关系、48个属性组成。采用标准的OWL本体描述语言对其进行定义和描述,在Prot（？）g（？）中能正确运行,表明建立的本体模型是正确合理的。课程知识本体的成功构建为基于本体的E-Learning系统奠定了基础。最后,介绍了以课程知识本体为内核开发的E-Learning系统,该系统主要实现了课程知识本体的管理及基于本体的可视化资源检索。; 刘光蓉杜小勇王琰崔建伟; 关键词：E-LEARNING 知识本体知识粒度 OWL

语义Web环境中本体库管理系统体系结构研究: 近年来,语义Web的提出给传统的本体研究带来了许多新的挑战,其中本体的管理成为一个迫切的普遍的需求.分析了语义Web环境中本体的特点和本体管理的功能需求;提出了通用本体库管理系统体系结构的设计原则;并基于该原则设计了一个...; 李曼杜小勇王珊; 关键词：本体语义WEB; 文献传递

基于SAM模型的用户兴趣表示研究: 1前言除了用户兴趣,用户上下文中的认知结构也可以帮助理解用户个性化需求。受认知心理学上"激活-扩散模型"的启发,我们曾提出一种基于认知结; 田萱杜小勇; 文献传递

一种能力属性增强的Web服务信任评估模型被引量：33: 2008年; Web服务环境的开放性、欺骗性和不确定性等特征,导致服务交易双方风险增大,因而构建有效的信任管理机制是降低交易双方风险的至关重要的因素.但是,当前基于安全凭证和反馈信息的信任评估方法均存在缺陷,因而,作者参考社会学的信任模型,利用量化主体能力属性提升信任评估的准确度.在此基础上,设计了Web服务信任评估模型(ServTrust),且提出了ServTrust的一种基于多代理器的解决策略.仿真实验结果表明:该方法与基于反馈信息的方法相比能有效地改善信任评估的准确度.; 李海华杜小勇田萱; 关键词：信任评估模型 WEB服务信任度安全性

语义Web环境中本体库管理系统体系结构研究被引量：2: 2006年; 近年来,语义Web的提出给传统的本体研究带来了许多新的挑战,其中本体的管理成为一个迫切的普遍的需求.分析了语义Web环境中本体的特点和本体管理的功能需求;提出了通用本体库管理系统体系结构的设计原则;并基于该原则设计了一个新型的多层双库(ML&DR)的体系结构;介绍了其中主要的功能模块;最后,给出了一个遵循该体系结构设计和实现的原型系统--CODERS.; 李曼杜小勇王珊; 关键词：本体语义WEB

一种面向高速度数据流的频繁模式挖掘算法: 数据流频繁模式挖掘是从实时、连续、有序的数据序列中寻找频繁模式的过程,以往的相关研究通常将该过程分为两个阶段:首先监测数据流中各模式的频率,由于数据流环境对空间与时间的限制,需要对监测模式进行剪裁,因而频率的计算和剪裁需...; 杨慧刘红岩何军杜小勇; 关键词：数据流数据流挖掘频繁模式挖掘; 文献传递

学科领域本体的构建与进化——以经济学领域本体为例被引量：16: 2007年; 概述国内外领域本体构建方法及本体进化的研究现状;介绍以《中国分类主题词表》为基础构建“经济学领域本体”初始版本的基本过程,阐述经济学领域本体进化的基本设想,以及具体进化过程及方法,包括获取进化实验数据集,抽取候选关键词,获得本体新概念,建立概念关联等。; 杜小勇马文峰武文娟; 关键词：本体领域本体

数字资源整合的发展趋势被引量：43: 2007年; 阐述并分析数字资源整合领域的理论、应用与技术方面的主要发展趋势。数字资源整合理论研究趋势主要表现为构建理论框架体系和研究重大的理论观点;资源整合范围与规模的不断扩大、在信息整合的基础上进行资源的知识整合以及融入语义网和知识网格,将是数字资源整合主要应用发展趋势;网格、SOA、P2P、Web服务等新型技术将对数字资源整合的未来产生重大影响。; 马文峰杜小勇; 关键词：数字资源整合知识整合语义网知识网格整合技术

知识检索研究被引量：43: 2006年; 从知识检索概念、知识检索基础、知识检索模型、知识检索呈现和知识检索系统几方面,对知识检索的有关理论与方法作了概要梳理和分析。认为知识本体作为领域知识的语义模型,其主要功能体现在知识组织和知识检索两方面;只有以领域知识本体的知识组织体系为基础,才能真正实现基于语义的知识检索。; 马文峰杜小勇; 关键词：信息检索

一种面向高速度数据流的频繁模式挖掘算法: 2007年; 数据流频繁模式挖掘是从实时、连续、有序的数据序列中寻找频繁模式的过程,以往的相关研究通常将该过程分为两个阶段:首先监测数据流中各模式的频率,由于数据流环境对空间与时间的限制,需要对监测模式进行剪裁,因而频率的计算和剪裁需要重复进行;当用户提交查询时,从监控的模式中筛选出满足要求的输出.现有研究都注重解决如何对观测对象进行剪裁,而事实上在计算模式频率时,数据项集中不同数据项间的组合使得频率计算非常耗时.因此,对于高速数据流,算法通常没有足够的时间来处理数据流中的每个事务,这会影响挖掘结果的正确性.针对这一问题提出了一种新的面向高速数据流的频繁模式挖掘算法Delay. 在Delay算法中将模式频率的统计延迟到第2阶段进行,第1阶段只记录"必要信息",这样大大提高了算法所能处理的数据流流动速度的上限.实验结果表明,算法在效率上优于已有算法,LossyCounting和FDPM,尤其是在处理长数据项集数据流时优势更为明显.; 杨慧刘红岩何军杜小勇; 关键词：数据流数据流挖掘频繁模式挖掘

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(60573092)