NVIDIA\NvBackend\ApplicationOntology\ontology.dll没有被指定在...
展开全部 安装好必要的软件并配置好开发环境 Eclipse MySQL Server 5.5-win32 jena2.6.4 protege4.3 mysql-connector-java-5.1.35(MySQL的JDBC) 1. 利用MySQL创建一个数据库:create database military_ontology; 2. 打开Eclipse,新建一个Java工程,起名为military_ontology。
(File-New-Java Project,输入名字military_ontology,点击next) 3. 新建工程的同时,分别导入Jena包和MySQL的JDBC。
(点击Libraries-点击Add External JARs,分别加入JDBC和Jena中全部.jar文件,C:\Program Files\MySQL\MySQL Connector J和G:\Jena\lib目录中,点Finish) 4. 在工程military_ontology\src\目录下新建一个Java文件(New-Class),名字为military_ontology.java; 5. 在military_ontology.java中开始编写以下代码: package military_ontology; import java.io.*;//导入IO包的所有类 import java.sql.SQLException;//导入SQL有关异常处理包 import com.hp.hpl.jena.db.*;//导入jena链接数据库的包 import com.hp.hpl.jena.rdf.model.*;//导入jena有关模型的包 import com.hp.hpl.jena.ontology.OntModel;//导入OntModel包 import com.hp.hpl.jena.ontology.OntModelSpec;//导入OntModelSpec包 Model defModel = null; if(connection.containsModel("militaryDB"))//判断名为militaryDB的模型是否已经存在数据 { defModel = maker.openModel("militaryDB",true);//数据存在则打开此模型 System.out.println("打开已存在的模型"); } else { defModel = maker.createModel("militaryDB");//数据不存在则创建此模型 System.out.println("创建一个新模型"); } OntModelSpec spec = new OntModelSpec(OntModelSpec.OWL_MEM); OntModel DBModel = ModelFactory.createOntologyModel(spec, defModel); //将临时模型转换成本体模型(OWL格式),其中spec参数表示该模型是在内存中存在的。
FileInputStream read = null;//定义并初始化文件输入流变量read try { File file = new File("g:/毕业设计/软件/本体实例/Ontology1428926241032/Ontology1428926241032.owl"); read = new FileInputStream(file);//读入OWL本体文件 } catch (FileNotFoundException e)//抓取读入文件异常 { e.printStackTrace(); System.out.println("未找到要存储的本体文件,请检查文件地址及名称"); } System.out.println("已将本体文件转换为字节流文件。
"); InputStreamReader in = null;//定义并初始化输入流转换变量in try { in = new InputStreamReader((FileInputStream)read, "UTF-8");//将字节流文件转换为UTF-8编码 System.out.println("已将字节流文件转换为UTF-8编码。
"); } catch (UnsupportedEncodingException e)//抓取转换异常 { e.printStackTrace(); System.out.println("不支持上述字符集。
"); } defModel.read(in,null);//将流文件读入数据库模型 defModel.commit();//将模型保存到数据库中 System.out.println("数据转换执行完毕,已将本体文件存入数据库。
"); try { in.close(); System.out.println("已将字节流文件关闭。
"); } catch (IOException e)//抓取输入输出异常 { e.printStackTrace(); System.out.println("无法关闭字节流文件。
"); } try { connection.close();//关闭连接 System.out.println("已将连接关闭。
"); } catch (SQLException e) { e.printStackTrace(); System.out.println("连接无法关闭。
"); } } catch (RDFRDBException e) { System.out.println("出现异常"); } System.out.println("已将本体文件持久化到数据库中,无异常"); } } 执行程序之后,本体被存入MySQL数据库中。
数据库会生成以下几张表: jena_g1t0_reif 存储经过处理的本体数据 jena_g1t1_stmt 存储了本体的数据信息 jena_graph 存储每一个用户图的名字和唯一标志符 jena_long_lit 存储陈述表中不便于直接存储的长字符创常量 jena_long_uri 存储陈述表中不便于直接存储的长资源URI jena_prefix 存储URI的前缀。
前缀只存储一次,节省空间 jena_sys_stmt 存储了本体的元数据信息 主要数据存在两个表中。
1) military_ontology.jena_g1t1_stmt 存储了本体的数据信息 2) military_ontology.jena_sys_stmt 存储了本体的元数据信息
语义网的模型定义
“资源描述框架”的“数据模型”(外语:RDF Data Model)提供了一个简单但功能强大的模型,通过资源、属性及其相应值来描述特定资源。
模型定义为: 它包含一系列的节点 N; 它包含一系列属性类 P; 每一属性都有一定的取值V; 模型是一个三元组:{节点,属性类,节点或原始值V}; 每一个“数据模型”(外语:Data Model) 可以看成是由节点和弧构成的有向图。
模型中所有被描述的资源以及用来描述资源的属性值都可以看成是“节点”(Node)。
由资源节点、属性类和属性值组成的一个三元组叫做RDF Statement (或RDF陈述)。
在模型中,陈述既可以作为资源节点,同时也可以作为值节点出现,所以一个模型中的节点有时不止一个。
这时,用来描述资源节点的值节点本身还具有属性类和值,并可以继续细化。
RDF Schema 使用一种机器可以理解的体系来定义描述资源的词汇,其功能就像一个字典,可以将其理解为大纲或规范。
RDF Schema的作用是: 定义资源以及属性的类别; 定义属性所应用的资源类以及属性值的类型; 定义上述类别声明的语法; 申明一些由其它机构或组织定义的元数据标准的属性类。
RDF Schema 定义了三个核心类:rdf:Resource、rdfs:Property、rdfs:Class;五个核心属性:rdf:type、rdfs:subClassOf、rdfs:seeAlso、rdfs:subPropertyOf、rdfs:isDefinedBy;四个核心约束:rdfs:ConstrantResource、rdfs:range、rdfs:ConstraintProperty、rdfs:domain。
RDF Syntax构造了一个完整的语法体系以利于计算机的自动处理,它以XML为其宿主语言,通过XML语法实现对各种元数据的集成。
Ontology (本体或本体论),原本是一个哲学上的概念,用于研究客观世界本质。
目前Ontology已经被广泛应用到包括计算机科学、电子工程、远程教育、电子商务、智能检索、数据挖掘等在内的诸多领域。
它是一份正式定义名词之间关系的文档或文件。
一般Web上的Ontology包括分类和一套推理规则。
分类,用于定义对象的类别及其之间的关系;推理规则,则提供进一步的功能,完成语义网的关键目标即“机器可理解”。
本体的最终目标是“精确地表示那些隐含(或不明确的)信息”。
当前对本体的理解仍没有形成统一的定义,如本体是共享概念模型的形式化规范说明,通过概念之间的关系来描述概念的语义;本体是对概念化对象的明确表示和描述;本体是关于领域的显式的、形式化的共享概念化规范等等。
但斯坦福大学的Gruber给出的定义得到了许多同行的认可,即“本体是概念化的显示规范”。
概念化(外语:Conceptualization)被定义为:C =,其中C表示概念化对象,D表示一个域,W是该领域中相关事物状态的集合,Rc是域空间上的概念关系的集合。
规范(外语:Specification)是为了形成对领域内概念、知识及概念间关系的统一的认识与理解,以利于共享与重用。
本体需要某种语言来对概念化进行描述,按照表示和描述的形式化的程度不同,可以将本体分为完全非形式化本体、半非形式化本体、半形式化本体和严格形式化的本体。
有许多语言可用于表示Ontology,其中一些语言是基于XML语法并用于语义网的,如XOL(Xml- based Ontology exchange Language),SHOE(Simple HTML Ontology Language),OML(Ontology Markup Language)以及由W3C组织创建的RDF与RDF Schema(RDFS)。
还有建立在RDF与RDFS之上的、较为完善的Ontology语言DAML(DARPA Agent Markup Language)、OIL和DAML+OIL。
XOL是一种基于XML语法和OKBC语义的本体交换语言。
它由美国生物信息学术团体设计,用于其领域的一组异构软件系统间本体定义的交换,它以Ontolingua和OML作为基础,融合了OKBC的高层表达方式和OML的语法。
当前还没有支持XOL本体开发的工具,但由于它采用XML语法,可以采用XML编辑器来创建XOL文件。
SHOE由马里兰大学开发,它将机器可读的语义知识与HTML文档或其他Web文档相结合,允许直接在WWW的基础上设计和应用本体。
近来SHOE的语法已转向XML,它使得代理(Agents)能够收集有意义的Web页面和文档的信息,改善搜索机制和知识收集。
OML由Washington大学开发,部分基于SHOE。
它有四个层次:OML核心层(与语言的逻辑层相关);简单OML(直接映射RDF和RDFS)、简化OML和标准OML。
RDF是W3C推荐的一种信息描述方式,目的是克服XML的语义限制,提供一种简单的模式来表示各种类型的资源。
在RDF的基础上,RDFS建立了一些基本的模型限制。
RDF具有较强的表达能力,但仍存在一些不足,如RDF没有定义推理和公理的机制、它没有说明包含特性以及没有版本控制等。
OIL建立在RDF之上,其主要优势在于以描述逻辑为基础,提供形式化语义的推理。
OIL综合了三方面的技术:框架系统、描述逻辑和基于XML与RDF语法的Web语言。
框架系统采用了一种类似于面向对象的方法对数据建模,提供建模原语;描述逻辑用规范化的方法表达结构化知识以及查询和推理;基于XML和RDF语法的Web语言为OIL提供语言元素。
OIL的数据对象主要包括:类定义、槽定义(slot ...
“计算机应用技术”专业主要学哪些内容?
计算机应用技术是计算机在高职高专(大专)层次的一个专业。
计算机应用技术专业培养具备管理学理论基础、计算机科学技术知识及应用能力,掌握信息管理、信息系统分析与设计方法等方面的知识与能力,能在各类企、事业单位、金融机构及政府部门从事信息采集、组织、分析、传播和服务等信息管理工作或与信息管理工作相关的信息系统规划、分析、设计、实施、运行管理和评价等方面的应用型人才。
主要学习:1. 计算机网络的应用技术和信息安全技术。
(1)安全网络技术的研究,已经完成“入侵检测预警和安全管理技术”与“安全网络服务器技术研究”2项国家863计划信息安全主题研究项目,重大国防项目2项,广东省自然科学基金项目3项(2)基于互联网络的软件工程技术和网络软件集成技术,在多agents协同工作,通用rpc应用平台等方面取得了研究成果(3)中间件技术,特别是安全中间件在银行支付系统中的应用技术,取得了多个成功应用的案例。
(4)j2ee架构的应用技术,在corba应用技术方面也取得了成果。
2.智能化网络与应用。
①智能主体(agent)及其应用技术:主要研究主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统在基因组自动注释(automated genomic annotation)、生物信息智能集成与共享web服务资源融合中的应用等。
②数据挖掘与知识发现:主要研究基础理论、发现算法、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。
③语义web与ontology:研究语义web的支撑技术、模型和方法,包括可扩展标记语言(xml,extensible markup language)、xml schemas、资源描述框架(rdf, resource description framework)和知识本体(ontology)等创建语义web的支撑技术。
重点研究:设计机器可读的网上信息内容表示、自动推理模式、后基因组语义web的支撑技术、ontology与基因功能注释、知识网格和信息网格。
④生物信息智能处理技术:研究生物智能信息处理中的算法问题,重点研究生物信息资源共享技术和生物信息的知识挖掘。
主要包括研究新的dna序列特征分析方法;研究先进、高效的信息分析和数据挖掘手段,从大量繁杂的蛋白质组数据中找出内在联系,揭示蛋白质的功能及相互作用关系。
转载请注明出处51数据库 » ontology软件