一种移动Agent通信中本体信息调整方法

吉林大学学报(工学版)

一种移动Agent通信中本体信息调整方法

白岩^a,b，刘大有^a,b，刘杰^a,b

吉林大学 a.计算机科学与技术学院；b.符号计算与知识工程教育部重点实验室，长春 130012

收稿日期:2006-08-25 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 刘大有

Ontologybased information alignment method in mobile Agent communication

Bai Yan^a,b，Liu Da-you^a,b，Liu Jie^a,b

a.College of Computer Science and Technology, Jilin University, Changchun 130012，China; b.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012，China

Received:2006-08-25 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: Liu Da-you

摘要/Abstract

摘要： 考虑通讯中的通讯效率和通讯时间两个重要指标，给出了具有自动调整移动Agent所携带本体的方法OAMAC(Ontology Alignment Model in Agent Communication)。该方法有两个特点:①Agent通讯实体中包含的概念采用本体方法进行描述，对本体做分层松散的社会性管理；②在需要对一个知识领域进行多次通信的情况下，提高了通信的可靠性，减少了网络流量和通信时间。

关键词: 人工智能, 本体调整, 移动Agent, 通信实体

Abstract: In an open multiagent of dynamic network environment, it frequently happens in mobile processing that mobile agent needs to conduct multicommunications with various ontologies. An Ontology Alignment Model in Agent Communication (OAMAC) was proposed. It takes account of two important criteria in communication, the communication efficiency and the communication time. This model is characterized by two features: first, it fully takes into account the factors that affect the communication, and represents the use of ontology in agent's knowledge base; second, under the situation of a lot of communication toward one knowledge field, it can improve the reliability of the communication, reduce both of the network flow rate and the communication time.

Key words: artificial intelligence, ontology alignment, mobile Agent, communication entity

中图分类号:

TP182

白岩，刘大有，刘杰 . 一种移动Agent通信中本体信息调整方法
[J]. 吉林大学学报(工学版), 2007, 37(05): 1132-1136.

Bai Yan，Liu Da-you，Liu Jie . Ontologybased information alignment method in mobile Agent communication[J]. 吉林大学学报(工学版), 2007, 37(05): 1132-1136.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed