Jena

摘要： 目前煤矿领域本体侧重于对事故的预测,尚无针对煤矿作业人员操作安全性的本体研究。为及时发现作业人员的危险操作来为作业人员提供安全预警,提出了一种煤矿主要工种本体构建及安全规则推理方法。根据煤矿实际生产状况,将煤矿生产中的作业人员、操作设备、操作方法、地点、环境、事故和状态等信息形式化表示,利用本体语言构建了覆盖采煤系统、掘进系统、机电运输、地质测量、通风瓦斯、综合防尘和选煤厂等多个生产系统的煤矿主要工种本体。根据煤矿领域专业文献中的安全生产规定,基于Jena自定义规则语法制定了安全规则,并基于安全规则实现对煤矿主要工种本体中作业人员操作安全性的推理。实验结果表明,基于煤矿主要工种本体及安全规则来判断作业人员安全状态有效可行,为煤矿安全生产提供了一种辅助保障手段。

摘要： 教学资源缺少开发规范和语义信息,导致其可共享性差、检索查全率或查准率不高.探讨教学资源语义系统的设计,基于本体实现教学资源的语义信息,并通过Jena实现语义扩展,结合语义相关度和相似度,有效提高教学资源检索的有效性和精确度.

摘要： 语义Web的发展日新月异,惠普公司(HP)在研究语义Web方面处于领先地位,其发布的Apache Jena系统为研究语义Web提供三元组存储(Triple Store)平台、RDF(Resource Description Framework)平台和OWL(Web Ontology Language)平台,Apache Jena是HP实验室开发的一个用于处理语义Web和链接数据应用的免费开源Java工具包,本文研究基于Jena系统的知识融合三元组存储结构.%The development of Semantic Web is changing rapidly. Hewlett-Packard Company (HP) is the leader in the research of Semantic Web. Its published Apache Jena system provides Triple Store, RDF (Resource Description Framework) and OWL (Web Ontology Language) platform for research Semantic Web.Apache Jena is a free and open-source Java toolkit developed by HP Labs for processing semantic web and linked data applications. This paper studies Jena-based knowledge fusion triple storage architecture.

摘要： 为助力以期刊实体对象为中心的多源异构数据集成、关联与融合,本文综合应用编辑工具Protégé、建模语言OWL和SKOS建立计算机可理解和可计算的期刊本体,主要包括8个核心类、15个对象属性和33个数据属性的设计与创建;并通过语义中间件Jena和WebVOWL等实现实例格式转换和可视化呈现,主要包括1.5万余种期刊实例及关系的转换及近66万个RDF三元组的创建;最后,将构建的期刊本体应用于标引期刊实体概念、发布开放关联数据集、实例参引解析、SPARQL查询终端和语义推理等方面,为各类包含期刊概念的数据分析提供参考,为用户提供期刊相关的信息查询和交互服务.

摘要： 分析了软服务本体、服务提供的过程以及同顾客的关系.运用本体建模工具Protégé进行软服务的本体构建.提出了本体构建的步骤及推理方法.通过验证接口检查本体语言表达的方法,验证了软服务本体模型数据中的一致性,从而完成了软服务本体的关系模型建立.

摘要： 为了提高检索中的查全率,提出了一种以计算机学科知识的语义检索为应用背景的基于Jena的本体推理模型,建立了一个基于Nutch的面向计算机学科知识领域的检索查询系统。结果表明,该本体推理模型可以很好地检索出计算机学科课程的同义、近义和上下层相关的概念,并且语义推理达到了部分智能,在一定程度上提高了查询服务质量。

摘要： 针对知识点零散，知识与业务流程缺乏关联、知识应用局限于搜索引擎且体验不佳等典型问题，引入本体在航空知识工程中的应用模型。基于此模型，阐述了本体技术在航空知识工程中的应用实现与发展，以及在研发设计领域、生产制造领域的典型实践。创新性地提出了本体在航空知识工程中的四大过程和六大应用场景，通过基于本体的知识挖掘、关联、推送，提升航空产品研制的智能化水平。

摘要： According to Yunnan spermatophyte endemic genus resource various data formats,deficient integration,low retrieval efficiency and other issues,a method based ontology query reasoning was proposed.Using seven steps to build Domain Ontology of Yunnan Endemic Genera of Seed with protégé.The reasoning rules of Domain-specific ontology was built and based on this reasoning and queries of ontology with Jena and sparql were achieved.It get the potential semantic query results through the tests to Domain Ontology of Yunnan Endemic Genera of Seed.It provides a new method for other agriculture area terminology information retrieval.%针对目前云南种子植物特有属信息资源数据格式多样、集成整合不足、检索效率低等问题,提出使用基于本体查询推理的解决方法.利用本体编辑器Protégé,采用七步法构建云南省种子植物特有属领域本体,构建云南种子植物特有属领域本体的推理规则,并综合运用Jena和SPARQL实现基于规则的本体推理查询.通过对云南省种子植物特有属领域本体实例的测试,得出潜在的语义查询结果,为相关领域语义信息检索提供一种新方法和思路.

摘要： As the special task of Air traffic management work,the security requirements were high.In order to improve the protection level of air traffic management system,a method ofanalyzing air traffic management system protectionbased on ontology was proposed.Based on the different nature of protection,the system protection was divided into preventive protection,restorative protection and accident mitigation protection,a model of air traffic management system protection was developed.According to the model of air traffic management system protection,an ontology of air traffic management system protection was constructed,reasoning statementswere defined to realize the intelligence analysis of theair traffic management system protection.Finally,the Uberlingen air crash was taken as an example to illustrate the analysis process of air traffic managementsystemprotection,and the software was implemented to verify the validity and feasibility of the method.%由于空管工作任务的特殊性,对安全要求很高.为了提升空管系统防护水平,提出了一种基于本体的空管系统防护分析方法.基于防护性质的不同,将系统防护分为预防性防护、恢复性防护和事故减轻性防护,建立了空管系统防护模型.根据空管系统防护模型构建了空管系统防护本体,并自定义推理语句,实现空管系统防护分析的智能化.最后以乌伯林根空难为例详细说明了空管系统防护分析过程,并编写软件加以实现,验证了方法的有效性和可行性.

摘要： 在森林灭火领域,一个合适的领域知识支撑框架是灭火决策的有力保障,但是目前这方面的研究工作较少.近年来,本体的应用和研究受到了人工智能、知识工程、信息领域和相关应用领域的广泛关注.本文分析了现有建立领域本体的主要方法,提出建立森林火灾本体的具体流程;以森林灭火决策为应用导向,从相关领域(林业、气象、消防、地理)抽象出概念术语集、关系集、函数集、规则集等;利用本体建模工具,建立了森林灭火本体库,以指导和支撑协同虚拟森林环境平台的构建和应用.

摘要： 在森林灭火领域,一个合适的领域知识支撑框架是灭火决策的有力保障,但是目前这方面的研究工作较少.近年来,本体的应用和研究受到了人工智能、知识工程、信息领域和相关应用领域的广泛关注.本文分析了现有建立领域本体的主要方法,提出建立森林火灾本体的具体流程;以森林灭火决策为应用导向,从相关领域(林业、气象、消防、地理)抽象出概念术语集、关系集、函数集、规则集等;利用本体建模工具,建立了森林灭火本体库,以指导和支撑协同虚拟森林环境平台的构建和应用.

摘要： 在森林灭火领域,一个合适的领域知识支撑框架是灭火决策的有力保障,但是目前这方面的研究工作较少.近年来,本体的应用和研究受到了人工智能、知识工程、信息领域和相关应用领域的广泛关注.本文分析了现有建立领域本体的主要方法,提出建立森林火灾本体的具体流程;以森林灭火决策为应用导向,从相关领域(林业、气象、消防、地理)抽象出概念术语集、关系集、函数集、规则集等;利用本体建模工具,建立了森林灭火本体库,以指导和支撑协同虚拟森林环境平台的构建和应用.

摘要： 在森林灭火领域,一个合适的领域知识支撑框架是灭火决策的有力保障,但是目前这方面的研究工作较少.近年来,本体的应用和研究受到了人工智能、知识工程、信息领域和相关应用领域的广泛关注.本文分析了现有建立领域本体的主要方法,提出建立森林火灾本体的具体流程;以森林灭火决策为应用导向,从相关领域(林业、气象、消防、地理)抽象出概念术语集、关系集、函数集、规则集等;利用本体建模工具,建立了森林灭火本体库,以指导和支撑协同虚拟森林环境平台的构建和应用.

摘要： 在森林灭火领域,一个合适的领域知识支撑框架是灭火决策的有力保障,但是目前这方面的研究工作较少.近年来,本体的应用和研究受到了人工智能、知识工程、信息领域和相关应用领域的广泛关注.本文分析了现有建立领域本体的主要方法,提出建立森林火灾本体的具体流程;以森林灭火决策为应用导向,从相关领域(林业、气象、消防、地理)抽象出概念术语集、关系集、函数集、规则集等;利用本体建模工具,建立了森林灭火本体库,以指导和支撑协同虚拟森林环境平台的构建和应用.

摘要： 在森林灭火领域,一个合适的领域知识支撑框架是灭火决策的有力保障,但是目前这方面的研究工作较少.近年来,本体的应用和研究受到了人工智能、知识工程、信息领域和相关应用领域的广泛关注.本文分析了现有建立领域本体的主要方法,提出建立森林火灾本体的具体流程;以森林灭火决策为应用导向,从相关领域(林业、气象、消防、地理)抽象出概念术语集、关系集、函数集、规则集等;利用本体建模工具,建立了森林灭火本体库,以指导和支撑协同虚拟森林环境平台的构建和应用.

摘要： 在森林灭火领域,一个合适的领域知识支撑框架是灭火决策的有力保障,但是目前这方面的研究工作较少.近年来,本体的应用和研究受到了人工智能、知识工程、信息领域和相关应用领域的广泛关注.本文分析了现有建立领域本体的主要方法,提出建立森林火灾本体的具体流程;以森林灭火决策为应用导向,从相关领域(林业、气象、消防、地理)抽象出概念术语集、关系集、函数集、规则集等;利用本体建模工具,建立了森林灭火本体库,以指导和支撑协同虚拟森林环境平台的构建和应用.

摘要： 本发明属于计算机辅助公差设计(CAT)技术领域，具体涉及一种基于Jena的装配公差类型自动生成的方法；具体实施包括如下步骤：1、建减速器模型；2、模型解装配；3、提取模型装配特征表面；4、提取各装配特征表面之间的装配约束关系；5、将相关知识进行形式化表述，构建本体类和属性；6、构建装配公差类型自动生成的Jena通用规则；7、构建零件空间关系的断言公式集；8、构建零件装配特征表面之间的空间关系断言公式集合；9、构建特征表面之间的装配约束关系断言公式集；10、向OWL模型中导入Jena规则进行推理，获得可选装配公差类型；11、根据功能要求、相关原则以及经验判断，选定最终的装配公差类型。

摘要： 本发明公开一种基于Jena的装配尺寸链自动生成方法。针对产品装配模型中信息描述难以在异构系统中传递和共享的问题，本发明利用本体能够实现真正意义上的语义共享和规则描述的优点，构建公差语义表示模型及建立相关语义的Jena规则，从而通过知识推理获得结构设计阶段自然形成的装配尺寸链信息语义。该方法利用Jena规则推理出结构设计阶段自然产生的封闭环，通过最短路径法搜索出相应的尺寸链，然后推理出增环、减环以及封闭环的基本尺寸。本发明使得计算机能够根据装配体模型自动的生成合理的尺寸链，为装配尺寸链自动生成的高度智能化提供了一种方法。

摘要： 本发明公开了一种基于Jena的药品本体推理查询方法和系统，该方法包括：构建生成药品本体资源文件；在领域专家的帮助下使用protégé工具构建药品本体，生成药品本体资源文件并将其保存至本地；自定义基于药品信息机制的推理机；根据药品本体的信息特点定义基于药品本体的推理机制；将自定义的药品本体推理机制注册成药品本体推理机；Jena对于药品本体资源文件的解析；步骤3-1：通过Jena的模型工厂创建本体模型；通过本体模型的API读取药品本体资源文件，完成药品本体文件的解析；将解析过药品本体资源文件的本体模型与自定义推理机进行绑定，生成具有语义推理能力的药品本体模型；执行查询。