基于粗概念格模型的电子商务领域本体的构建、映射与合并研究

本项目以构建电子商务推荐系统中的本体模型为出发点，探索基于粗概念格的电子商务领域本体的构建、映射与合并，使其满足电子商务推荐系统理论和应用的需要。综合变精度粗糙集模型、形式概念分析和模糊集的相关理论，提出粗概念格模型，利用粗概念格模型对形式背景约简，以UNSPSC（联合国标准产品与服务分类代码）的本体元模型为核心本体，结合领域专家知识，建立电子商务领域本体模型，以增强系统的鲁棒性和抗噪能力；提出基于FRFCA的电子商务领域概念相似度计算方法，引入梯形模糊数以表示模糊相似度，通过加权综合、非模糊化,计算多策略异构本体概念间的复合相似度，提高映射和匹配效果；为降低时间复杂度、提高本体合并的准确率和效率，提出基于粗糙概念格同构生成的本体合并方法，其核心技术是将本体背景分解成属性阶数较少的本体块，并在同阶本体背景核中寻找与之同构的本体，计算本体块的相似度寻找需合并的本体对，最后进行本体块之间的合并

项目在属性约简方面，引入基于相容关系的相对知识量，提出启发式属性约简算法，实验表明该算法对数据规模较大的数据集高效性明显。针对相容关系下基于变精度粗糙集（VPRS）约简算法的局限性，给出β上（下）分布约简判定定理和改进的β上（下）分布可辨识矩阵定义，并给出不完备决策表的约简算法，实验证明该算法高效可行。在概念格构造方面，建立了粗概念格模型，提出由近似分类质量γ确定β取值范围的算法VPRSγ-β算法和基于VPRS的概念格构造算法, 实验表明该算法建格效率高，抗噪能力强。在本体构建方面，利用VPRS的β上（下）分布约简算法约简形式背景，采用VPRS的概念格构造算法构造粗概念格，用粗概念格中的属性表示本体概念，将粗概念格转换成相应本体，从实验结果看，当本体概念的数量增加时，用该模型构建本体节约了时间开销。在本体映射方面，引入梯形模糊数计算异构本体概念间的相似度，以提高映射和匹配效果，实验证明该方法达到了预期效果。在本体合并方面，对于轻量级的本体，采用FCA结合VPRS的技术进行本体的合并；对重量级的本体，采用基于粗糙概念格同构生成技术进行合并，实验证明该方法降低了本体合并的时间复杂度、提高本体合并的准确率和效率。.项目执行期2年，基本完成项目研究内容，期间发表论文20篇，其中EI检索12篇，国内核心期刊8篇，另有4篇已接收（2013年出版），3篇正在评审中，部分实验结果在整理中。河南省基础与前沿项目“基于变精度粗糙集的概念格构造模型研究”已结项。获河南省科技进步二等奖1项和河南省自然科学优秀学术论文二等奖1项。培养研究生5名，指导5名青年教师。