公开(公告)号：CN110377754A

公开(公告)日：2019-10-25

申请号：CN201910588441.0

申请日：2019-07-01

Applicant: 北京信息科技大学

Inventor： 刘秀磊 ,  丁嘉伟 ,  刘旭红 ,  张良 ,  曹建制

IPC: G06F16/36 ,  G06F16/35 ,  G06F16/28 ,  G06K9/62

Abstract: 本发明提供了一种基于决策树的数据库本体学习优化方法，包括以下步骤：确定待分类的源数据属性表；利用预设算法对所述源数据属性表进行训练，生成属性决策树；基于生成的属性决策树，使用OWL本体语言构建源数据本体，读取数据库表字段作为本体中类的属性；基于生成的属性决策树，使用OWL本体语言构建源数据本体类，读取决策树中各选择枝作为属性，构建最终决策类。本发明由决策树算法处理后的数据可以用本体有效表示与存储，与数据库学习直接生成的本体对比，由数据库生成的决策树可以为本体添加更多的约束规则，发现的隐藏规则可以作为现有本体的填充。此外，使用本体学习技术可以让机器代替手工节省大量人力成本。

公开(公告)号：CN110414671A

公开(公告)日：2019-11-05

申请号：CN201910596454.2

申请日：2019-07-03

Applicant: 北京信息科技大学

Inventor： 张良 ,  刘秀磊 ,  刘旭红 ,  丁嘉伟 ,  孔凡芃

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于Ontology的深度信念网络模型及其生成方法。本发明试图将本体论和深度信念网络结合起来，形成一个新的模型。本体中最重要的关系之一是本体的层次结构。表达深度学习节点属性和函数转换使用本体的概念属性和分类关系。本发明在这里建立的深度信念网络模型只使用本体概念的亲子关系。同时，本发明选择自下而上构建本体，这样，本发明可以最大限度地训练深度信念网络模型，而不会影响本体节点的表示。