文档介绍：分类号 密级
U D C 编号
硕士研究生学位论文
论文题目：在稀疏向量和多重分割框架下本体
学****相似度算法
英文题目：Ontology Learning Similarity Algorithm in
Sparse Vector and Multi-dividing Setting
学 院 信 息 学 院
专 业 名 称 计算机软件与理论
研究生姓 名 武化龙 学 号 **********
导 师 姓 名 赵 波 职 称 教授
2017 年 5 月 16 日
独创性声明
本人声明所呈交的学位论文是我个人在导师指导下进
行的研究工作及取得的研究成果。尽我所知，除文中已经标
明引用的内容外，本论文不包含任何其他个人或集体已经发
表或撰写过的研究成果。对本文的研究做出贡献的个人和集
体，均已在文中以明确方式标明。本人完全意识到本声明的
法律结果由本人承担。
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文
的规定，即：学校有权保留并向国家有关部门或机构送交论
文的复印件和电子版，允许论文被查阅和借阅。本人授权云
南师范大学可以将本学位论文的全部或部分内容编入有关
数据库进行检索，可以采用影印、缩印或扫描等复制手段保
存和汇编本学位论文。
摘要
摘要
在目前大数据背景下，要求数据模型以及对应的算法在大数据存储、管理
和计算中，能更好地表示数据之间的关联，以达到结构化存储和管理大数据的
需求。由此，本体作为一种结构化概念存储、共享和管理模型，越来越受到各
个学科研究者的重视，并成为近年来大数据信息领域研究的核心问题之一。本
体概念的结构化存储可用图结构来表示，本体图中每个顶点表示一个概念，顶
点之间的边表示概念之间的某种隐含的关系(比如从属关系，等)。
除结构化存储和表示之外，本体模型有利于学者对概念信息进行计算、分
析、统计以及推理并挖掘一些关于数据的相关结论。在本体上的算法围绕挖掘
数据之间的关系而展开的，因而本体概念之间(即本体图上顶点之间)的相似度
计算是本体工程应用的核心算法。在大数据背景下，本体图中概念蕴含了大量
的信息，同时图结构也会异常的复杂，从而使得传统启发式地设计本体概念计
算公式的方法很难胜任大数据背景下数据处理的要求。因而通过机器学****技术
得到本体概念相似度计算方法越来越受到本体研究者的重视，已成为近几年本
体研究的主流。
由于大部分本体图的结构都是类似树形结构，其每个分支下的顶点对应的
概念往往表示一个大类，因此多重分割本体学****算法适合大部分本体图结构。
本文主要用数学的工具对本体算法的理论进行分析。针对多重分割框架下的本
体学****算法，得到其最优本体函数的数学特征。其结果显示，在本体图结构预
先确定的情况下，最优本体函数由其各个等级的顶点分类决定，即由图结构直
接决定。同时在本体亏损函数为凸函数框架下，对多重分割本体算法进行分析，
得到类似的结论。
此外，通过数学分析和推导，设计一种基于本体稀疏向量学****的本体相似
度计算算法。其特点是在高维数据表示本体概念信息的情况下，提取关键信息
从而有效地降维。
关键词：本体；相似度计算；本体映射
I
Abstract
Abstract
Under the current background of big data, the data model and the corresponding
algori