Extracting Sub-ontology from Multiple Ontologies

Kang, Dong-Wook; Xu, Bin; Lu, Jianquan; Wang, Peng; Li, Yanhui

doi:10.1007/978-3-540-30470-8_84

Cited by 6 publications

(3 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Formula (29) reflects the comprehensive performance of each DCR member in capacity, evaluation and cost. So, the comprehensive capacity index, comprehensive evaluation index and comprehensive cost index of each member resource of DCR are shown in (30), (31), and (32) respectively.…”

Section: B Dcr Evaluation Methods and Dcr Comprehensive Evaluation Mamentioning

confidence: 99%

See 1 more Smart Citation

Multi-Granularity Modeling and Aggregation of Design Resources in Cloud Manufacturing

et al. 2020

View full text Add to dashboard Cite

In most Cloud Manufacturing (CMfg) systems, Design Resource (DR) is encapsulated into cloud service under a fine-grained condition. However, due to the small granularity of DRs provided by cloud provider, it is difficult for the cloud services to match with design tasks if there is no initiative resource. For example, because of the lack of initiative perception capabilities, it is difficult for design software to match with design tasks directly. A method of DR multi-granularity modeling with two-stage aggregation is proposed, by which the resource granularity is increased and dynamic design capability is formed. In the proposed DR multi-granularity model, DRs are classified into three granularities: Static Physical Resource (SPR), Dynamic Capacity Resource (DCR), and Cross-functional Design Unit (CDU). Their ontology models are set up to represent the basic function, structure and component of DRs. In the two-stage aggregation of DRs, two strategies are proposed to increase the granularity of DRs. The first is DCR aggregation strategy based on auxiliary resources actively pushing, and the second is CDU aggregation strategy based on meta task and meta capability matching. Using the operation parameters of DRs and the associated evaluation matrix, a method of DCR and CDU evaluation is proposed to optimize the searched DRs. With the help of the preceding multi-granularity DR modeling and the two-stage access strategy, DR granularity is enlarged and initiative design capability is formed, which solves the problem of DRs matching with design tasks because of small resource granularity.

show abstract

Section: B Dcr Evaluation Methods and Dcr Comprehensive Evaluation Mamentioning

confidence: 99%

“…Most scholars use n-tuple to express ontology. For example, Jun Gao et al [27] use two-tuple, Man Li et al [28] use five-tuple and Dazhou Kang et al [29] use eight-tuple. Finite objects are used to define the elementary component of ontology in the definition of n-tuple.…”

Section: Literature Reviewmentioning

confidence: 99%

Multi-Granularity Modeling and Aggregation of Design Resources in Cloud Manufacturing

et al. 2020

View full text Add to dashboard Cite

show abstract

“…Στη συνέχεια πραγματοποιήθηκαν τα απαραίτητα βήματα για την ολοκλήρωση (integration) οντολογιών, όπως έχουν αναφερθεί προγενέστερα (Uschold and King, 1995, Uschold and Gruninger, 1996, Fernández-López et al, 1997 (Bhatt et al, 2004a, Bhatt et al, 2004b, Kang et al, 2004. Οι τμηματοποιημένες υπο-οντολογίες που προέκυψαν από τις μητρικές χρησιμοποιήθηκαν για τη ευθυγράμμιση, χαρτογράφηση και συγχώνευση προς το σχηματισμό της καρδιακής οντολογίας (Flahive et al, 2013).…”

Section: 6-lodstatsunclassified

Νέες Τεχνολογίες Διαδικτύου Και Υπηρεσίες Πληροφόρησης

Chaleplioglou¹,

Χαλεπλίογλου²

View full text Add to dashboard Cite

Η ολοκλήρωση των συνεχώς αυξανόμενων πηγών πληροφόρησης στις Επιστήμες Υγείας αποτελεί ένα από τα πλέον καίρια ζητήματα, απασχολώντας τόσο τους ίδιους τους επιστήμονες υγείας, όσο και τους επιστήμονες της πληροφόρησης. Πλήθος δεδομένων, ιατρικών και βιολογικών, αποθηκεύονται καθημερινά στον Παγκόσμιο Ιστό, γεγονός που καθιστά την αναζήτηση, την ανάκτηση και την ανάλυσή τους με βάση τη σημασιολογία τους ιδιαίτερα δυσχερή. Εργαλεία που ως τώρα έχουν αναπτυχθεί προς διευκόλυνση του παραπάνω στόχου, όπως είναι τα ελεγχόμενα λεξιλόγια, οι θεματικές επικεφαλίδες, οι θησαυροί, τα συστήματα κωδικοποίησης δεδομένων διαδραματίζουν μεν σημαντικό ρόλο, αλλά δεν είναι πάντοτε ικανά να αποδώσουν στο ακέραιο την επιστημονική πληροφορία στο Διαδίκτυο. Είναι άραγε δυνατόν τα δεδομένα να γίνουν διαθέσιμα και κατανοητά εξίσου για τον άνθρωπο και την ηλεκτρονική υπολογιστική μηχανή; Η ανάπτυξη του Σημασιολογικού Ιστού με τη χρήση οντολογιών που κωδικοποιούν την πληροφορία φαίνεται να δίνει τη λύση στον ολοκληρωτικό συνδυασμό και την ανάλυση πληροφοριών από ετερογενείς και θεματικά διάφορες πηγές με αυτόματο τρόπο από τους υπολογιστές, βάσει των αρχών της Συλλογιστικής και της Λογικής. Τα εξαγόμενα συμπεράσματα παρουσιάζονται και εξηγούνται, αφού μετατραπούν σε κείμενο κατανοητό από τον άνθρωπο- τον τελικό χρήστη. Για την κωδικοποίηση ενός γνωστικού πεδίου σε σημασιολογική μορφή απαιτείται η δημιουργία ενός ειδικού λεξιλογίου, μιας οντολογίας, που να περιέχει τους ορισμούς και να επιτρέπει τη μετάφραση και τους συσχετισμούς των βασικών εννοιών του γνωστικού πεδίου σε γλώσσα μηχανής. Στο πλαίσιο της παρούσας διατριβής χρησιμοποιήθηκαν διαφορετικές ερευνητικές προσεγγίσεις για την ανάπτυξη μιας πρωτότυπης καρδιολογικής οντολογίας για κλινική, ερευνητική και αρχειακή χρήση. Στόχος μας ήταν η μελέτη των εργαλείων που προσφέρει ο Σημασιολογικός Ιστός και η εφαρμογή τους για τη γεφύρωση του χάσματος μεταξύ του εργαστηριακού ερευνητικού πάγκου και της κλίνης του καρδιοπαθούς ασθενούς. Η οντολογία αυτή αναπτύχθηκε στη μορφή σημασιολογικών τριάδων, δυαδικών προτάσεων υποκειμένου κατηγορήματος. Κατά την αξιολόγησή της μελετήθηκε συνολικά η εξέλιξη και η παρούσα κατάσταση του διαγράμματος νέφους των ανοιχτών διασυνδεδεμένων δεδομένων - LOD Cloud των Επιστημών Υγείας. Συμπερασματικά, στην παρούσα διατριβή δημιουργήθηκε ένα καινοτόμο επιστημονικό εργαλείο για την παροχή βιβλιοθηκονομικών υπηρεσιών υψηλής ποιότητας στη βιοϊατρική, με τη χρήση σημασιολογικών τριάδων. Η διαδικασία ανάπτυξης σημασιολογικής οντολογίας, όπως παρουσιάζεται στο παρόν, αποτελεί ένα μεθοδολογικό οδηγό για μελλοντικές παρόμοιες προσεγγίσεις, ανεξαρτήτως επιστημονικού πεδίου. Απώτερος στόχος είναι η συμβολή του παρόντος στη βελτίωση της κατανόησης της δομής του νέφους ανοιχτών διασυνδεδεμένων δεδομένων, το οποίο αποτελεί και τη «ραχοκοκαλιά» του Σημασιολογικού Ιστού.

show abstract

Managing Ontological Complexity: A Case Study

Nürnberg

Krestova

2005

Metainformatics

View full text Add to dashboard Cite

Extracting Sub-ontology from Multiple Ontologies

Cited by 6 publications

References 7 publications

Multi-Granularity Modeling and Aggregation of Design Resources in Cloud Manufacturing

Multi-Granularity Modeling and Aggregation of Design Resources in Cloud Manufacturing

Νέες Τεχνολογίες Διαδικτύου Και Υπηρεσίες Πληροφόρησης

Managing Ontological Complexity: A Case Study

Contact Info

Product

Resources

About