28、模式识别算法与语义社交网络中个人本体的预处理

模式识别算法与语义社交网络中个人本体的预处理

1. 模式识别算法实验

在理想条件下对选定模型进行了实验，假定不存在影响识别质量的干扰因素，且内部参数向量 $a_1$ 已完成估计。实验结果呈现在图 2 和图 3 中。图 3 展示了所提出系统的适应能力，图 2 显示了系统对干扰的响应，在本次实验中，干扰表现为治疗期间的新感染情况。从结果可以看出，适应机制有助于系统克服意外干扰带来的问题。

在实验过程中，应用了适应层的系统能够改善运行特性。该系统需要对与学习序列中描述完全不同的情况做出决策，这充分体现了其适应不同场景的能力。

2. 语义社交网络中个人本体的构建问题

在语义社交网络里，用户之间的关系是通过衡量相应个人本体的相似度来推断的。然而，“过度丰富”的个人本体给区分不同个人本体带来了困难。为了高效注释自己知识库中的资源，人们常常直接将从标准本体和邻居个人本体中获取的本体片段沿着社交链接添加进来。

个人本体的构建方式主要有以下几种：
1. 简单聚合 ：用户直接从知名标准（或上层）本体中堆积本体片段（有时是整个本体），不做任何修正，这只是基于“复制 - 粘贴”的操作。第 $i$ 个用户的个人本体 $O_i^P$ 可表示为 $O_i^P = {o_k|o_k \subseteq \Omega O}$，其中 $\Omega O$ 是由命名空间（如 URI）表示的标准本体集合，并且假定存在一个“虚拟”根概念用于连接本体片段的根概念。
2. 手动编辑 ：每个本体片段都可以手动编辑，能够额外插入、修改或删除一些概念 $c_j \in o_k$。
3