基于FCA的氣象災害領域術語層次關系分析和本體構建研究

朱光++楊嘉韻++吳先華++豐米寧

〔摘要〕通過對本體、形式概念分析等理論研究進行分析，提出一種以“文檔——術語”為核心，形式概念分析為技術手段的氣象災害領域的本體構建方法。針對氣象災害領域知識庫和主題詞表的缺失，以中英文學術論文為數據源，對氣象災害領域術語的層次關系抽取和分析進行了詳細闡述和論證，具體包括領域術語的抽取和篩選，文檔術語矩陣的建立，主題概念格的生成，術語層次關系分析；本體OWL描述和可視化展示等過程，最后利用GATE Developer對構建本體的有效性進行了驗證。

〔關鍵詞〕氣象災害；形式概念分析；術語；概念格；層次關系；本體

DOI：10.3969/j.issn.1008-0821.2017.05.014

〔中圖分類號〕G254〔文獻標識碼〕A〔文章編號〕1008-0821（2017）05-0079-10

Research on Construction of Hierarchy Relationship and

Ontology of Meteorological Disaster Based on FCAZhu GuangYang JiayunWu XianhuaFeng Mining

（School of Economics and Management，Nanjing University of Information

Science and Technology，Nanjing 210044，China）

〔Abstract〕Based on the analysis of ontology and Formal Concept Analysis（FCA），this paper proposed an effective ontology construction method of meteorological disaster，which was with“documents——terms”as a core and with FCA as a technological means.Aiming at the lack of knowledge base and thesaurus，the extraction and analysis of hierarchy relationship was discussed in detail.Firstly，the professional terms were extracted and filtered from academic paper documents.Secondly，the“documents——terms”matrix and concept lattice were built，then the analysis process of hierarchy relationship of domain terms was discussed.At last，the OWL description and visually displaying of ontology was proposed while the usability of constructed ontology was verified through GATE Developer.

〔Key words〕meteorological disaster；Formal Concept Analysis（FCA）；terms；concept lattice；hierarchy relationship；ontology

隨著全球氣候變暖，社會經濟活動日益密集，極端天氣事件日益頻發，給我國乃至全世界造成了巨大的經濟損失。因此，針對各類氣象災害（如洪水、臺風、暴雪等），如何在數據融合的基礎上，制定有效的應急管理措施成為全社會關注的重要問題。然而，由于我國幅員遼闊，氣象災害涉及的地域、機構和人員十分復雜，各個地區和部門所采集、存儲和共享的氣象災害數據在領域術語、概念規范、數據格式上并不一致，這給氣象災害多部門協同應急決策帶來了很大的困擾。在大數據環境下，如何利用本體建立一個規范的氣象災害領域術語體系，描述和融合各類多維、異構、不規范的“氣象災害大數據” 成為災害應急管理中的基礎性和緊迫性問題。

所謂本體，被引用最廣泛的定義是由Gruber提出的“本體是對數據和概念模型的明確的規范說明”[1]。具體來說，本體是用來描述某個領域內的概念詞表以及概念之間的關系，使得領域概念具有共同認可的、明確的、惟一的定義。在此基礎上，不同地區、機構、實體乃至人機之間可以克服數據的異構性，更好地進行協同合作[2]。在大數據環境下，本體構建是一項極其繁雜的工作，人工手動構建本體需要耗費大量的時間和財力，半自動和自動的本體構建方法越來越受到國內外學者的關注和青睞。形式概念分析（Formal Concept Analysis，FCA）作為一種基于Harris假設和獲取本體概念層次的方法，能夠挖掘領域中隱含的概念以及概念之間的層次關系，通過構造概念格（Concept Lattice），半自動地構建本體[3]。

本文在沒有外部知識庫和主題詞表的支持下，以CNKI和Web of Science的學術文獻為數據來源，運用形式概念分析方法，提出一種以“文檔——術語”為核心，形式概念分析為技術手段的氣象災害領域本體構建方法，在非結構化文本資源分詞和詞頻統計的基礎上，利用ConExp構建概念格，分析主題概念的層次關系，采用OWL語言對其進行形式化描述，并以此為基礎構建目標領域本體。

1國內外相關研究

本體是近年來國內外學者普遍關注的研究熱點，作為一種能在語義和知識層面描述領域術語的概念建模工具，已被廣泛應用于知識工程、語義檢索、智能挖掘和推理等領域。

目前已有多種本體構建方法（如TOVE法、骨架法、METHONTOLOGY法、七步法等[4]）和本體構建工具（OntoSaurus[5]、WebOnto[6]到Protégé[7]、OntoEdit[8]），運用這些方法和工具，用戶不用了解本體描述語言的細節，就可以進行本體內容的組織和數據的映射。然而，這些工具提供的僅僅是本體編輯功能，通常需要基于專家的知識結構手工構建本體，耗時費力，可移植性差，也會造成概念的冗余[9]。概念格是反映對象與屬性間的聯系以及泛化與特化關系的一種完備的概念層次結構，通過形式化分析自動生成本體概念層次，并以此作為本體構建與生成的基礎，可以有效提高本體構建效率，避免概念冗余。

目前基于概念格的本體構建方法已成功地應用于醫療、信息檢索、知識發現等領域，Haav[10]提出一種基于概念格的本體構建方法，從短文本中提取形式背景，直接引用形式概念分析中的概念層次構建概念格，并通過概念格篩選和縮減從形式背景計算得到初始本體；Cimiano等[11]在文獻[10]的基礎上，運用自然語言解析構建概念格，并由概念格生成領域本體；Nanda等[12]從結構化的產品材料明細表中提取概念術語與屬性，并運用FCA分析概念層次，最后基于概念層次結構生成概念格并構建領域本體；Juan Cigarrán-Recuero等[13]運用FCA構建概念格，對數字資源的語義注釋進行有效性評估；KBalasubramaniam[14]在形式概念分析的基礎上，構建一個基于混合模糊本體（Hybrid Fuzzy-Ontology）的語義檢索模型，可以有效提高檢索的準確率和召回率；牟冬梅等[15]針對醫學領域的專業性特點，利用形式概念分析描述概念背景，通過“醫學系統命名法——臨床術語（SNOMED CT）”的概念表、描述表和關系表對構建概念格進行修正，在此基礎上構建醫學領域本體；畢強等[16]針對不同領域的異質性和語義分歧性，對異質領域本體的概念格進行解析，通過概念相似度計算建立跨本體的映射，并最終構建多本體協同知識地圖；王昊等[17]以“白血病”為例，采用FCA理論將主題背景轉換為領域概念格，進而分析概念屬性的術語之間的上下位關聯，最終形成領域術語本體；滕廣青等[18]通過概念格的疊置運算，獲取基于主題詞表和文本兩大異構資源的概念格，在此基礎上構建異構資源領域本體；陸佳瑩等[19]將概念格理論引入產品本體構建過程，提出的本體構建方法能夠對產品和服務信息進行形式化的、通用的知識表示，從而滿足企業進行信息管理的需求。

但從現有研究來看，國內外關于本體理論和技術在氣象領域的應用和研究較少，Joel L C等[20]利用本體描述氣象領域的關鍵術語，設計了一套關于氣象農業的可視化服務系統；Quillon H[21]提出一個本體概念集成模型，用來整合水資源信息；Hoill J[22]等設計一個基于本體驅動的氣象災害服務模型，可以對氣象災害進行快速反應，輔助決策。在國內，何險鋒等[23]提出了一種基于W3C標準的氣象災害本體化設計方法，以一階謂詞將氣象災害表達為基于氣象要素的邏輯判斷，并應用于本體化設計中，以此建立起氣象災害分類樹、等價公理、對象屬性集合和數據屬性集合，最終構建得到氣象災害本體知識庫；羅煒等[24]在歸納氣象數據集特征的基礎上，運用面向對象的方法對氣象數據集元數據進行對象化，提出了包括元數據類、數據集標識信息類等10個元數據類和表示元數據元素域的代碼表類的構建方法，并構建了元數據本體。綜合來看，目前氣象領域僅有的本體構建方法大多依賴于專家經驗分析，主觀因素影響較大，數據量較大時構建效率低下。

基于此，本文選取概念格理論作為研究的理論基礎，以專業學術文獻作為領域術語來源，運用FCA深入挖掘氣象災害領域概念之間的層次關系，提出氣象災害領域本體構建的技術方案，促進氣象工作人員對氣象災害進行有效的組織和管理，實現氣象災害數據的融合共享。

2構建流程

本文將FCA理念引入氣象災害領域，在沒有結構化主題詞表的情況下，借助專業學術論文建立中英文氣象災害專業術語之間的概念層次關系，并進行比較，在此基礎上實現本體構建和可視化展示，構建過程和實現方法如圖1所示。具體包括以下3個步驟：

1）數據預處理。首先從學術論文文檔中抽取標題、摘要、關鍵詞作為領域專業術語的候選集合，然后利用分詞技術找出領域核心詞匯，并根據詞匯的出現頻次篩選領域專業術語。

2）形式概念分析。將領域專業術語看作屬性集，學術論文文檔看作對象集，建立“文檔×術語矩陣”，用形式概念描述領域背景知識，并利用概念格算法將形式化背景轉換成概念格，根據可視化的概念格模型抽取術語之間的層次和屬性關系。

3）本體構建。利用OWL標準化語言描述術語之間的層次和屬性關系，從而建立氣象災害領域本體，并通過GATE Developer進行語義標注驗證本體的可用性。圖1氣象災害領域本體構建流程

21數據預處理

本文以“氣象災害”為主題詞，在CNKI數據庫中檢索獲取核心期刊論文1 221篇，經過篩選保留1 218篇；以“Meteorological Disaster”為主題詞，在Web of Science數據庫中檢索獲取論文365篇。抽取論文的標題、摘要和關鍵詞作為領域術語候選集合。

英文領域術語抽取的傳統做法是對文檔分詞，去除停用詞和空格后，計算術語的TF-IDF值作為術語在文檔中的權重，繼而根據權重閾值進行篩選[25]。而在中文領域術語抽取過程中，由于中文領域核心詞匯通常是較長的短語，基于TF-IDF的權重篩選方法并不適用，因此本文使用中科院ICTCLAS 2016分詞系統對論文文檔進行分詞處理[26]，在此基礎上直接對詞頻進行統計。由于不同作者的寫作風格、用詞習慣及學術素養等方面存在差異，所以需要在詞頻統計過程中進行人工干預，保證抽取的領域核心詞匯的一致性和準確性。篩選后的部分領域術語如表1所示，對這些術語進行形式概念分析，并建立概念格。

22形式概念分析

FCA（Formal Concept Analysis）是一種用于數據分析、表1部分領域術語詞頻統計結果

術語（中文）頻次術語（英文）頻次氣象災害2 466Disaster771農業1 483Meteorological545干旱884Drought540氣候773Flood422天氣459Climate362低溫431Precipitation348減災377Hazard234預報318Rainfall211高溫290Storm170凍害240Weather160暴雨237Forecast160旱災215Monitor152洪澇193Warning145旱澇169Wind135冰雹163Agriculture132

知識管理、本體構建等領域的數學方法，利用對象和屬性間的映射關系來描述領域的形式化背景，并從中抽取內涵和外延的層次關系，構建概念格[27-28]。

基于FCA的術語層次分析大致分為兩個步驟：

1）建立形式化背景。形式化背景可以定義為一個三元組：

F=（O，M，R）（1）

其中，O表示對象集合，M表示屬性集合，R表示對象和屬性間的映射關系。在本文中，形式化背景實質上就是“文檔 術語”矩陣，可以定義為：

F=（Documents，Terms，I）（2）

其中，Documents表示文檔集合，Terms表示術語集合，I表示術語Ti是否在文檔Dj中出現或出現的頻次[29]。以中文術語為例，部分術語和文檔之間的關聯如表2所示，表中“1”表示文檔和術語存在關聯，“0”不存在關聯。文檔集合Documents={D1，D2，D3，D4，D5，D6，D7，D8}，術語集合Terms={氣象災害，干旱，預警，氣溫，服務，低溫，監測}。表2氣象災害領域的“文檔×術語”矩陣

DocumentTerm氣象

災害干旱預警天氣服務低溫監測D11100100D21110100D31000100D41000101D51001010D61111000D71001101D81001110

2）建立概念格。在建立概念格之前首先給出以下定義：

在形式化背景F=（O，M，R）中，存在惟一的偏序集合與之相對應。根據集合所建立的概念格，每個節點稱之為概念，定義為C（X，Y），X∈O表示概念C（X，Y）的外延，Y∈M表示C（X，Y）的內涵[30]。選取若干領域術語如表2所示，定義主題概念C1：

C1=（{D1，D2，D6}，{氣象災害，干旱}）

C1的外延為{D1，D2，D6}，內涵為{氣象災害，干旱}，該主題概念描述的是“氣象災害”和“干旱”的相關內容，文檔D1、D2、D6都是關于此主題的學術論文，即術語集合中的每個術語都出現在文檔集合中的每個文檔中，術語集合和文檔集合共同組成了一個主題概念，文檔集合稱為該主題概念的外延，術語集合稱為該主題概念的內涵。

在此基礎上，運用德國達姆施塔特科技大學開發的形式概念分析工具ConExp[31]構建概念格。ConExp可以利用概念格的形式表示一個有限形式背景的結構，并用Hasse圖表示。概念格的每一個節點相當于形式概念，頂端元素的外延是具有這些屬性的對象的集合，底端元素的內涵是這些對象所具有的屬性的集合。根據表2的“文檔 術語”矩陣所建立的概念格如圖2所示。

Hasse圖中圓形結點表示主題概念，圓形大小表示主題外延的個數。在層次結構中，上層為父概念，下層為子概念。最頂層概念的屬性是所有對象均具有的屬性，因此外延最多；相反最底層概念包含所有屬性，因此外延最少。在表2中，“氣象災害”是所有對象（文檔）均具有的屬性（術語），出現在所有文檔中，而具有所有屬性（術語）的文檔為空。

每個主題概念包含兩個部分，上半部分代表屬性，下半部分代表對象。在Hasse圖中，若屬性半圓為藍色，則表示有新增屬性鏈接到該節點上；若對象半圓為黑色，則表示有新增對象鏈接到該節點上。每個概念結點的屬性集合是該節點上層所有屬性的總和（繼承父概念屬性），對象集合是該節點下層所有對象的總和（覆蓋子概念外延）。例如圖中最左測“D4，監測”節點，其屬性集合為{氣象災害，服務，監測}，對象集合為{D4，D7}，組成一個完整的主題概念：C（X，Y）=（{D4，D7}，{氣象災害，服務，監測}）。

建立概念格的目的是描述概念之間的上下層關系，即分析下層概念如何通過新增屬性從上層概念衍生出來。如Hasse圖所示，新增屬性（術語）所在的對象（文檔）是以其為根節點的下子樹的外延（文檔）總和。例如圖2中的“D4，監測”節點，新增“監測”屬性，該屬性出現在文檔D4和D7中。該節點的父節點新增了“服務”屬性，其出現在文檔D4、D7以及文檔D1、D2、D3、D8中。在此情境下，包含術語“服務”的文檔集合是包含術語“監測”文檔集合的超集，因此，“服務”是“監測”的上位術語[32]。同理可得圖2中其它術語的上下層關系，如表3所示。表3術語的上下層關系

上位術語下位術語氣象災害干旱氣象災害氣溫，低溫服務監測服務預警

從圖2和表3可以看出，基于FCA的概念格構建可以清晰地反映出術語之間的上下層關系，從而為本體描述及可視化展示奠定基礎。

23本體OWL描述及可視化展示

在對領域術語進行形式概念分析的基礎上，利用W3C組織發布的OWL（Ontology Web Languages）[33]對主題概念和概念之間的邏輯關聯進行語義描述，從而便于計算機存儲和處理。

本文將每一個術語定義為一個類，將術語之間的上下層關系定義為類間的上下位關系。OWL中描述類上下位關系的標簽是owl Class和rdfs：subclassOfrdf，前者用于定義一個類，后者用于定義當前類的父類，編碼方式如公式（3）所示[34]：

content

（3）

#parentclass name/>

利用OWL描述術語（{氣象災害}，{干旱}），（{disaster}，{flood}）的上下層關聯，如圖3所示。在術語量較大時，可通過程序自動生成類定義及編碼結構。

本文采用Protégé[35]對OWL文件進行讀寫，并完成OWL文件到可視化圖形的轉化，并利用Ontograf[36]插件對本體概念進行篩選、檢索、定位和展示。

圖3術語上下層關系的OWL編碼

3結果分析

根據上述流程，對本文的數據進行處理和分析，獲取“氣象災害”領域的專業術語，并對其進行形式化分析和本體構建。

31數據預處理結果分析

在1 218篇關于“氣象災害”的中文學術論文中，經過詞頻統計和篩選獲取57個專業術語，共存在26 117個關聯。在365篇關于“Meteorological Disaster”的英文學術論文中，經過詞頻統計和篩選獲取35個專業術語，共存在12 034個關聯。以〈文檔，術語，頻次〉三元組形式存儲以上關聯，將此作為術語層次關系分析的依據。

32FCA結果分析

將中英文文檔術語三元組分別轉換為“文檔×術語”矩陣，生成氣象災害領域的形式化背景。在中文矩陣FC=（Documents，Terms，I）中，Documents共有1 218個對象，Terms中共有57個對象，I中有26 117關聯。對其進行形式概念分析，生成主題概念6 697個。在英文矩陣FE=（Documents，Terms，I）中，Documents共有365個對象，Terms中共有35個對象，I中有12 034個關聯。對其進行形式概念分析，生成主題概念3 149個。由于主題概念數量較多，本文從橫向和縱向兩個維度對局部術語間上下層關聯進行分析。圖4中文術語的局部層次結構圖

圖4、圖5分別從橫向維度上顯示了文檔中出現頻次最高的前15個中英文術語的層次結構圖，在中文術語層次結構圖中，生成653個主題概念，圖中僅截取了部分主題概念及其層次關系。由于文檔中均包含“氣象災害”術語，圖5英文術語的局部層次結構圖

因此該術語處于Hasse圖的頂端，其下有若干下位術語，主要的上下層關系包括：

①“氣象災害”→“農業”；

②“氣象災害”→“冰雹”；

③“氣象災害”→“旱澇”；

④“氣象災害”→“氣候”；

⑤“氣象災害”→“暴雨”→“洪澇”；

⑥“氣象災害”→“干旱”→“旱災”；

⑦“氣象災害”→“天氣”→“高溫”；

⑧“氣象災害”→“天氣”→“低溫”；

⑨“氣象災害”→“減災”→“預報”。

同理，在英文術語層次結構圖中生成683個主題概念，主要的上下層關系包括：

①″meteorological disaster″→″storm″；

②″meteorological disaster″→″drought″；

③″meteorological disaster″→″agriculture″；

④″meteorological disaster″→″climate″；

⑤″meteorological disaster″→″hazard″；

⑥″meteorological disaster″→″wind″；

⑦″meteorological disaster″→″precipitation″→″rainfall″；

⑧″meteorological disaster″→″precipitation″→″flood″；

⑨″meteorological disaster″ →″nature″→″weather″；

⑩″meteorological disaster″→″monitor″→″forecast″；

″meteorological disaster″→″monitor″→″warning″。

圖6從縱向維度顯示了“氣象災害”的下位術語“天氣”為根節點的主題概念格，共生成38個主題概念，主要的上下位關系包括：

①“天氣”→“高溫”；

②“天氣”→“監測”→“防治”；

③“天氣”→“低溫”→“冷害”；

④“天氣”→“低溫”→“凍害”；

⑤“天氣”→“低溫”→“寒害”。

同理，可以以“氣象災害”的任意一個下位術語為根節點，從縱向維度對其主題概念格進行分析。

33術語層次體系的本體描述及可視化展示

根據OWL定義的基本語法和標簽，對本文獲取的“氣象災害”領域中英文術語和上下層關系進行OWL編碼，構建“氣象災害”領域本體，如圖7所示。在此基礎上，利用Protégé軟件讀取OWL文件，并通過Ontograf插件進行類檢索和可視化展示。圖8展示了“Disaster”類的層次結構，左側以樹形結構顯示了本體的所有類及其層次關系，可實現本體概念的順序瀏覽；右側上方的“Search”選項可以實現本體類的定位與檢索，右側下方以樹狀圖方式顯示出了與“Disaster”類相關的主題概念，連線中箭頭指向了子類方向。通過繪圖區上方的工具欄可對圖形進行調整，圖9采用spring圖對“Disaster”類的層次結構進行了展示。

34本體驗證

本文采用英國Sheffield大學研發的GATE（General Architecture for Text Engineering）Developer[37]自然語言處理工具對構建的本體進行測試和驗證，通過加載OWLIM Ontology、Ontology Tools等本體插件，可實現對氣象災害（Meteorological Disaster）本體OWL文件的瀏覽和測試，如圖10所示。圖10GATE對“Meteorological Disaster”本體的瀏覽

利用GATE Developer對30篇“Meteorological Disaster”主題的網頁進行本體語義標注和驗證，標注信息以可視化的高亮方式顯現在文本資源中，標注實例可以提高信息的查準率和查全率。以“Hurricane Katrina”的維基百科網頁為例[38]，其本體語義標注如圖11所示，從而證明本文構建的本體可以在GATE中被識別，語義標注具有有效性和實用性。

4結語

本文以FCA為理論基礎，以中英文學術論文為數據來源，提出一種以“文檔——術語”為核心的“氣象災害”領域本體構建方法。在抽取和篩選領域專業術語的基礎上，建立“文檔——術語”形式化背景，進而采用FCA理論將形式化背景轉換為主題概念格，并分析領域術語之間的上下層關系，最后利用OWL對術語的上下層關系進行描述，圖11GATE對網頁的本體語義標注

形成領域本體，為氣象災害領域知識的語義檢索和可視化展示奠定了基礎。本研究得到的結論有以下幾點：

1）在缺乏外部知識庫和主題詞表的情景下，可以通過抽取學術論文的專業術語，并建立概念格來獲取領域主題概念間的層次關系；

2）相對于醫學等其它領域，氣象災害術語層次關系的“縱向”深度較淺，但具有較寬的“橫向”廣度，這是由于氣象災害領域的二級分類較多（如暴雨、干旱、臺風等），每類主題的研究偏向于某一方面（如災害評估、應急預警、系統建模等），缺乏細致和深層次的挖掘；

3）通過比較發現，氣象災害領域的英文術語相對于中文術語數量偏少，但專業性更強，準確度更高，因此信息的查準率和查全率更高。

在未來的研究中，對下列問題可以作進一步的研究：

1）減少本體構建的冗余。本文構建的本體存在一定的交叉性和重復性，在未來的工作中需要對本體的領域和范圍進行界定，并通過本體間的映射完成主題的語義互聯；

2）數據來源多樣化。本文選取學術論文作為術語來源，在今后的工作中可以將氣象災害的網頁、新聞報道、統計數據作為術語的抽取對象；

3）選取二級分類領域進行本體構建。可以對氣象災害的某個子領域（如暴雨、臺風、洪水等）進行術語層次關系分析和本體構建，從而在縱向層次上挖掘術語層次關系的深度，進一步提升領域本體的實用性。

參考文獻

[1]Thomas R Gruber.A Translation Approach to Portable Ontology Specifications[J].Knowledge Acquisition，1993，5（2）：199-220.

[2]Deng Z，Tang S，Zhang M，et al.Overview of Ontology[J].Acta Scientiarum Naturalium Universitatis Pekinensis，2002，38（5）：730-738.

[3]Gaihua Fu.FCA based ontology development for data integration[J].Information Processing and Management，2016，52（5）：765-782.

[4]Farquhar A，Fikes R，Rice J.The Ontolingua server：A tool for collaborative ontology construction[J].Intl Journal of Human-Computer Studies，1997，46（6）：707-727.

[5]Toward distributed use of large-scale ontologies[EB/OL].http：∥ksi.cpsc.ucalgary.ca/KAW/KAW96/swartout/Banff96final2.html，2016-08-01.

[6]Duineveld A，Stoter R，Weiden M，et al.Wonder tools？A comparative study of ontological engineering tools[J].Intl Journal of Human-Computer Studies，2000，52（6）：1111-1133.

[7]杜小勇，李曼，王珊.本體學習研究綜述[J].軟件學報，2006，17（9）：1837-1847.

[8]Navigli R，Velardi P，Gangemi A.Ontology learning and its application to automated terminology translation[J].IEEE Intelligent Systems，2003，18（1）：22-31.

[9]胡可云，陸玉昌.概念格及其應用進展[J].清華大學學報：自然科學版，2000，40（9）：77-81.

[10]Haav H M.A Semi-Automatic Method to Ontology Design by Using FCA[C]∥Proceedings of the 2nd International Workshop on Concept Lattices and their Application，2004：13-24.

[11]Cimiano P，Hotho A，Stumme G，et al.Conceptual Knowledge Processing with Formal Concept Analysis and Ontologies[C]∥Proceedings of the 17th International Conference on Industrial and Engineering Application of Artificial Intelligence and Expert System，2004：189-207.

[12]Nanda J，Simpson T W，Kumara S R，et al.A Methodology for Product Family Ontology Development Using Formal Concept Analysis and Web Ontology Language[J].Journal of Computing and Information Science in Engineering，2006，6（2）：103-113.

[13]Juan Cigarrán Recuero，Joaquín Gayoso Cabada，Miguel Rodríguez Artacho，et al.Assessing semantic annotation activities with formal concept analysis[J].Expert Systems with Applications，2014，41（11）：5495-5508.

[14]Balasubramaniam K.Hybrid Fuzzy-Ontology Design using FCA based Clustering for Information Retrieval in Semantic Web[C]∥Peer-review under responsibility of scientific committee of 2nd International Symposium on Big Data and Cloud Computing，2015：135-142.

[15]牟冬梅，張艷俠，黃麗麗，等.基于SNOMED CT和FCA的醫學領域本體構建研究[J].情報學報，2013，32（6）：653-662.

[16]畢強，騰廣青.基于概念格的多本體協同知識地圖構建研究[J].情報學報，2012，31（10）：1018-1025.

[17]王昊，朱惠，鄧三鴻.基于形式概念分析的學科術語層次關系構建研究[J].情報學報，2015，34（6）：616-627.

[18]滕廣青，畢強.基于概念格的異構資源領域本體構建研究[J].現代圖書情報技術，2011，（5）：7-12.

[19]陸佳瑩，袁勤儉，黃奇，等.基于概念格理論的產品領域本體構建研究[J].現代圖書情報技術，2016，（5）：38-46.

[20]Joel L C，Mara A，Claiton M S.Visual interpretation of events in petroleum exploration：An approach supported by well-founded ontologies[J].Expert Systems with Applications，2015，42（5）：2749-2763.

[21]Quillon H.Using a Model MAP to prepare hydro-meteorological models for generic use[J].Environmental Modeling & Software，2015，73（8）：260-271.

[22]Hoill J，Kyungyong C.Ontology-driven slope modeling for disaster management service[J].Cluster Computing，2015，18（2）：677-692.

[23]何險峰，張祥鋒，鄭利娟，等.氣象災害本體設計[J].氣象科技，2012，40（6）：1007-1013.

[24]羅煒，胡友彬，孔華武.氣象數據集元數據的本體推理研究與實現[J].電腦與信息技術，2012，20（2）：4-8.

[25]Qiming Luo，Enhong Chen，Hui Xiong.A semantic term weighting scheme for text categorization[J].Expert Systems with Applications，2011，38（10）：12708-12716.

[26]NLPIR漢語分詞系統[EB/OL].http：∥ictclas.nlpir.org/newsDetail？DocId=387，2016-08-04.

[27]Wille R.Restructuring lattice theory：an approach based on hierarchies of concepts[C]∥Proceedings of the NANO Advanced Study Institute，Banff，Canada，1982：445-470.

[28]Xiangping Kang，Duoqian Miao.A study on information granularity in formal concept analysis based on concept-bases[J].Knowledge-Based Systems，2016，105（8）：147-159.

[29]Poelmans J，Elzinga P，Viaene S，et al.Text mining scientific papers：a survey on FCA-based information retrieval research[C]∥Proceedings of 12th Industrial Conference，2012：273-287.

[30]Chinho Lin，Ju Chuan Wu，Hua Ling Tsai.A hybrid approach to knowledge flow[J].Industrial Management & Data Systems，2013，113（5）：628-646.

[31]Concept Explorer[EB/OL].http：∥sourceforge.net/projects/conexp/，2016-08-05.

[32]Rehman Z，Kifor C V.An Ontology to support semantic management of FMEA knowledge[J].International Journal of Computers Communications & Control，2016，11（4）：507-521.

[33]OWL[EB/OL].http：∥www.w3.org/TR/owl-features/，2016-08-08.

[34]Nguyen T H，Grundy J C，Almorsy M.Ontology-based automated support for goal-use case model analysis[J].Software Quality Journal，2016，24（3）：635-673.

[35]Protégé[EB/OL].http：∥Protege.stanford.edu，2016-08-08.

[36]Falconer S.Ontograf[EB/OL].http：∥protegewiki.stanford.edu/wiki/Onto-graf，2016-08-08.

[37]GATE Developer[EB/OL].https：∥gate.ac.uk/family/developer.html，2016-08-16.

[38]Hurricane Katrina[EB/OL].https：∥en.wikipedia.org/wiki/HurricaneKatrina，2016-08-16.