摘要
情境感知系统可以在各领域异构资源和环境动态信息的情境本体协同构建中得到有效建立,为用户情境感知决策制定提供准确的服务。为此,本文根据概念格与情境本体内涵的相似性以及可集成实现的必要性、独特性和可行性开展系统分析,依据概念格可符合生命周期对系统这两类情境资源加以分布集成之功能,提出前者可在其概念格整合中立足于知识创造现实场景的立体化抽象得到领域情境本体建模和统一网络约束表示;后者可在情境感知中间件的人机交互认知识别中,通过领域情境本体的概念格解构及其与环境资源的“六何”感知关联重构,立足于用户应用实际情景的形象化塑造得到5Ws1H项表示的情境感知元本体建模和面向问题解决的实例化创建。以火灾应急领域情境本体向实施火灾救援的情境感知元本体进化为例加以分析,结果表明,情境感知系统能够在这种情境本体协同构建方法中得到有效建立,为用户情境感知决策提供准确服务。
自从1994年Schilit
在各领域异构资源(或现有的各领域本体)与环境动态信息分布式组成的开放语义环境中,本体作为知识共享概念模型之明确的形式化规范说
从上述概念界定中不难看出,一个有效的CAS建立,关键在于为系统这两类情境资源的生命周期管理和内外生态系统结构共生提出一种通用的COnt协同构建原则与方法,为各领域COnt“六何”关联复杂环境情境并向通用CAMOnt协同进化设计一个高度结构化的情境感知中间件。
之所以基于概念格(concept lattice)集成可以实现COnt的协同构建,是因为两者在哲学上具有相似的内涵,在功能上有着互补融合的特
从哲学视角来看,概念格与COnt都根源于对组成知识概念的基本形式认知及其模型化表示,在数学表达形式上都致力于知识概念层次模型的格结构打
从现有领域本体结构重构和功能重用上来看,COnt能够在各领域知识概念层次模型的形式化抽象、规范化说明、显示化表示、共享化应用中,从知识工程上为各领域系统概念建模及其本体共享重用提供丰富的语义,从知识表示上为现有领域本体对事物自身替代及对环境动态信息智能推理、融合转化和情景化利用提供人机交互的中介,从知识内容上为现有领域本体与环境动态信息感知关联及网络化呈现提供交互联结的约束,从知识应用上为现有领域本体被用户情景化利用环境动态信息及解决具体问题提供个性化感知的多源知识融合框
CAS要想对各领域异构资源与环境动态信息这两类情境资源加以集成的COnt协同构建,首先需要基于概念格对前者进行各领域COnt统一的协同构建,以便后者以此作为用户感知重用的基础,并基于情境感知中间件得到情景化的CAMOnt构建与进化。
为了实现CAS对各领域COnt进行统一的协同构建,姜永常
在各领域COnt统一协同构建基础上,本文根据国外概念格在软件工程、知识发现应用领域给予的启示——可综合集成高度结构化组件来构建人机交互认知的情境感知中间件——对用户“六何”感知活动加以识别,以支持领域COnt约束集成环境动态信息向通用CAMOnt的协同进化。这样,便可基于概念格构建本体符合情境建模的生命周期理论,分别从CAS各领域异构资源和环境动态信息这两类情境资源及两者得以集成的情境感知中间件视角,富有创建性地提出基于概念格分布集成实现COnt协同构建的方法论,以保障CAS通过各领域COnt协同构建及其适应环境地向通用CAMOnt协同进化得到有效建立,每个用户都能面向问题解决做出准确决策。
本文拟在系统地阐明CAS对COnt协同构建需求及其研究现状的基础上,基于概念格集成探索COnt协同构建的必要性、独特性和可行性。根据人工智能时代情报学已悄然走向本体论、感知论、方法论、服务论相融合的发展方向,应注重人在这一过程中跨越领域本体与现实环境来应对问题解决的发展趋
在理论上,面向情境生命周期从获取建模而产生到推理适配而应用的两个阶段,以及情境生态系统结构从内到外的两种形式(

图1 基于概念格集成实现COnt协同构建原则
情境是人们开展各项知识活动所必须依赖的背景、环境和限定条件,可广泛地描述为系统中众多利益相关者(包括物理实体、虚拟实体和概念实体)相互作用的各种关系信息,不仅具有与知识一样的生命周期、内外生态系统结构,也具有复杂的系统特征和感知特
现在,虽然随着传感器和智能设备的普及、物联网的出现以及大数据的产生,情境可以通过智能添加使信息变得更加有意义,情境感知也可以在普适计算和泛在计算中丰富智能设备与智能应用的相辅相成能
基于概念格的领域本体构建符合本体建模的生命周期,而概念格与领域COnt的互补融合又能使真正意义上的COnt协同构建成为可能。在分布式的情境感知计算环境中,概念格能以情境感知中间件为集成节点,对CAS中各领域异构资源与环境动态信息进行符合情境生命周期的COnt建模,使各领域COnt在环境动态信息“六何”感知关联中进化为可直接用于决策制定的通用CAMOnt。
情境因人而存在,因知识生产而生发,因感知关联而应用。由知识离散分布生产出来的各领域异构资源情境信息具有依赖于各种传感器、智能设备、计算机、用户群体、具体环境、时间地点、应用服务等不同对象而识别获取的传感性、多源性、分布性、动态性、不确定性和不完善性等系统特
为了考察COnt协同构建在CAS中得到研究的进展情况,本文分别以“本体协同构建”“本体协同进化”及其对应英文词汇为主题词,对中外典型数据库进行检索和统计分析。结果表明,国内虽有基于概念格集成异构资源的COnt构建研究先例,但缺少本体间协同进化的研究成果;而国外尽管有此类相关成果,可又未曾从概念格集成视角来加以探讨,更谈不上面向CAS的有效建立。
在国内,有关本体协同构建或进化的研究成果,大多数都是针对单一的大规模本体构
关于CAS中COnt协同构建,具有借鉴意义的当属毕强
与国内相比,国外有关本体协同构建或进化的研究成果较多,但未曾发现基于概念格面向CAS建立的研究。除了与我国有着相同或类似的研究方式和方法之外,国外学者在理论上更加关注本体间协同构建和进化研究,在实践上更加注重情境感知中间件在本体协同进化中的有效运用。
通过对Pradeep
基于概念格集成实现COnt协同构建的特性主要取决于形式背景和形式概念两大支
知识是分布储存于各领域异构资源和环境动态信息之中的客观存在,此种存在的知识结构理应是一个立体化、多维度的复杂网络,具有丰富的语义信
在CAS的各领域COnt统一协同构建、协同进化与网络约束表示中,基于概念格的必要性主要表现在以下两个方面。首先,概念格能够在形式概念分析中通过对结构化资源和非结构化资源之核心概念与隐含概念的统一描述、概念间类属关系的统一分析及其概念层次结构的可视化建模,自动地、不受人为因素影响地将异构资源概念格进行合并,并基于概念格完全对等映射规则和Hasse图,将合并成的概念格可视化地映射转换成具有统一模型结构的领域COnt,进而加以网络约束表示,从而将原先依赖于专家指导的结构化资源本体手工构建方法、不需要指导的非结构化资源本体半自动化构建方法加以集
这种独特性主要表现在可使现有领域本体得到结构化重构和情景化利用,并演变成可用于用户感知决策的通用CAMOnt。
无论由何种技术方法构建出来的现有本体,概念格都能利用CAS中两类情境资源概念属性之间的自反性、反对称性和传递
知识,尤其高科技知识,是由众人思想交流、多向思维、几度再创才形成的;而其情境时刻都处于动态变化之中,这就会使CAS中两类情境资源具有高组合性,难以用统一的模型加以表示,导致现有COnt建模存在着多种形式的技术方法,如使用XML/CC/PP/JSON的markup scheme、采用UML/CML的Graphical、应用OWL/RDF的ontology-based,以及key-value、logic-based、object-based等。这些技术方法各有优势与不足。不足之处主要表现为难以支持信息检索,以及对大数据结构可扩展处理、对不确定情境捕捉与关系建模、对环境动态信息情境推理建模、对情境层次结构质量标准及感知的能力不够,很难满足CAS对这两种高组合性情境资源集成协同构建COnt的需
在集成异构资源的领域COnt协同构建中,广泛应用于软件工程等领域的概念格,能够通过上述现有情境建模技术方法进行综合集成应
这种高效的COnt协同构建方法可依次综合运用下面的各种工具来实
在生命周期中,每个情境都因用户利用各种实体进行知识生产活动形成的知识创造现实场景而生发,并分布存储于人们离散生成的各领域异构资源之中,其中的综合情境需要通过知识创造的现实场景立体化抽象才能得以呈现;每个情境都因用户解决问题实际情景而得到感知应用,分散于环境之中的动态情境信息也需要通过用户应用的实际情景形象化塑造才能得以显
如
在情境产生阶段,人们先前知识生产生成的各领域异构资源已成为系统感知应用的基础性资源。每个领域的基础性异构资源主要包括结构化资源和非结构化资源两大组成部分,前者往往蕴含着描述事物持久属性或可完成通用任务的抽象情境,而后者往往蕴含着描述事物即时状态特征或可解决具体问题的操作情境,两者在性能上具有互补的感知应用
在万物互联的新场景时代,系统这两大基础性异构资源只有通过概念格层次结构整合才能对其知识创造现实场景加以立体化抽象,所构建出的领域COnt模型也才能将其所包含的综合情境加以协同集成,确保情境内在生态系统结构的完整生成。而且,如此协同构建出来的领域COnt,既能基于其概念格中概念间类属关系得到关联共享的重用,又能通过概念间属性新关系的推理重配而得到再生,为后继来自环境的多源性动态信息得到“六何”感知关联的情境化及向CAMOnt进化提供适配性场
在情境应用阶段,由用户解决问题实践产生的多源动态信息主要来自系统各个物理实体(如用户、服务提供者、计算机、传感器、资源、对象等)、虚拟实体(如人机交互服务、信息交流等)、概念实体(如时间、地点、事件、目的、方式等),比组成系统的基础性异构资源具有更加不确定、不完善的动态性和复杂性。
本体进化的适应性原理表明,虽然COnt具有较好的推理能力和扩展性,但却缺少自适应的进化性,COnt自进化能力取决于对用户情境感知活动中最基本元素的通用性识别和集成性重
概念格与本体的互补融合使真正意义上的集成情境知识协同构建成为可

图2 基于概念格集成实现COnt协同构建的流程
为了使各领域的COnt都能在与概念格互补融合中一体化关联到CAMOnt中,系统每个领域COnt都应该对所属领域异构资源概念格进行形式统一的整合。姜永常
如
由异构资源概念格L(K)完全对等映射转化而来的各领域COnt,可在原综合形式背景K=(G, A, R)的基础上,根据对象G所属的类别C、类别C所具有的属性A、属性A可归并到的所在领域D,以及类别C、属性A、领域D之间的关系R,用面向对象G的约束网络形式表示成COnt=(C, A, D, R
由此可见,得到统一网络约束表示的领域COnt,已经打破了传统本体难以合并和与环境资源集成的束缚,既能使环境资源在
情境感知中间件是介于网络操作系统与应用之间的软件层,既是CAS中各领域异构资源与环境动态信息得以集成情境协同知识构建的集成节点,又是系统各领域COnt赖以向CAMOnt协同进化的人机交互认知技术系
在系统各领域COnt向通用CAMOnt的协同进化中,情境感知中间件不但能为系统访问相关情境、编译情境、与其他应用共享情境及提供相应服务提供集成节点,而且能为其实际进化中存在的多源异构信息协调管理与分布整合、环境动态资源及时发现与机动关联、复杂事件交互通信与自适应配置、用户-设备-应用-服务-环境间分布式自治与扩展式互操作等复杂问题解决提供统一的抽象和可靠的服
为了使系统各领域COnt得到适应用户问题解决需要的感知应
在面向用户感知活动关联识别的情境感知中间件构建中,概念格不但可以在形式概念分析中,基于对人之常识、社会习俗、见解和目的了解及推理,灵活地支持人类进行思维、交流、争

图3 各领域COnt依赖情境感知中间件向CAMOnt协同进化的机理及流程
对于用户情境感知决策来说,基于概念格整合异构资源构建的领域COnt仅能为其应用提供所需要的部分知识,以领域COnt网络约束再对环境资源加以“六何”感知关联利用,才是获得满意结果的正
(1)协同进化机理。系统获取环境情境信息的路径应该代表用户应用它经常选择的“六何”感知维度。用户应用知识时,尽管来自环境的多源性动态信息因受到诸多因素的影响,每个情境信息都可能是不正确的、不一致的、不完整的或冗余的;但是系统却能在情境感知中间件的人机交互认知和对用户“六何”感知识别支持下,将其感知关联成情境化的环境资源,进而通过领域COnt的概念格解构、重构及其对情景化环境资源中的适配感知元素进行
(2)协同进化流程。在情境感知中间件的人机交互认知和对用户“六何”感知识别中,存储于知识库中的每个领域COnt都能以如
情境“六何”感知元素具有本体论和认知方法论的双重属性,其本体特征可为各领域COnt对环境资源的情景化重用、融合再生提供集成框架,其认知方法论属性可为环境资源的5Ws1H项分类识别、语义一致性表示提供通用的概念层次结构,而二者的有机结合则保证了领域COnt向CAMOnt协同进化的完整性、一致性。
(1)CAMOnt的功能。如
(2)CAMOnt的表示。如
Who感知元素用来表示用户(User)特征、处境及偏好的信息;
Why感知元素用来描述情境中可开展一系列活动(Activity)的信息;
When感知元素用来定义情境中可依次发生情景改变的时间(Time)顺序;
Where感知元素用来描述情境可能发生的室内外地点(Location)及环境状况;
What感知元素用来描述用户所需服务(Service)的特点及质量;
How感知元素用来描述情境中可用的软硬件设备、联通设备(Device)及技术方法。
通用CAMOnt这种基于5Ws1H项集成的网络关联表示方法,既是以用户为中心,以用户所从事活动、所需要服务、所使用设备及其所用时间、所处地点为解决问题要点的适应环境应用本体,又是领域COnt集约映射在这种现实问题解决中的实例化再生,可以为用户主动、被动、个性化多层次情境交互、灵活解决复杂问题提供一个感知应用的反射中间件,能够保障用户在具体应用环境中依据所从事的领域活动、所担任的角色获得所需要的自适应感知服
如

图4 CAMOnt基于领域COnt“六何”感知关联环境资源情景化及自我扩展框架形成
概念格集成高度结构化组件构建的情境感知中间件,能够对组成系统的各领域COnt和来自环境的动态资源进行适应环境变化的分布自治、静态与动态相结合的综合分析,可以实时地将系统每个领域COnt的特征属性集迅速聚焦于“六何”感知活动的特定属性集之中,将领域COnt的概念格作为CAMOnt的数据结构基础,进而在与环境资源的融合重构中自我演变成通用CAMOnt,为立足于知识创造场景抽象而构建的异构资源概念格及其领域COnt注入用户应用的实际情景元素。
由于火灾是一种严重危及人民生命财产安全的突发事件,火灾尤其是重大火灾救援十分需要管理机构对此做出快速感知决策,才能协调调动多部门提供精准服务来完成救灾任务。对于面向感知决策制定和提供准确服务的CAS来说,本文以一个火灾应急领域COnt作为火灾救援CAMOnt协同构建的研究案例,比其他领域更具有代表性和典型性。
任何问题都可以通过一系列能够解决这个问题的方法来处理,而这些方法又可分成等级加以表示,以其输入和输出参数进行属性确定。如

图5 CAMOnt基于自我扩展框架内属性参数输入输出计算的具体关系推理
情景化环境资源是火灾救援的可重用资源,火灾应急领域COnt能够在自身功能约束下,通过输入输出参数与情景化环境资源中的等级属性相关联,使其中可用于火灾营救的各类情境元素得到属性值可接受的参数输入,并在继承火灾应急领域COnt的概念框架中,以不同的情景实例协同进化为一个具有新关系、新能力的火灾救援CAMOnt。
如

图6 火灾救援CAMOnt基于火灾应急领域COnt功能约束的协同进化
: [GetLocation].[Sensor_ID] = [S].[ID]
火灾应急领域COnt能在其功能约束中以一个反馈医院地址的形式,提出什么样的医疗护理机构可被接收为符合特定需要的“MedicalCareSuggestion”,并通过功能约束将自己的相应情境嵌入火灾救援CAMOnt之中,说明“MedicalCareSuggestion”方法中输出参数“Sug_Address”值可示例为医院类别的地址属性:
: [Hospital].[Address] = ([MedicalCareSuggestion].[ReqiuredService])
而火灾救援CAMOnt扩展框架则能将地址格式转换(“Conversions”)为坐标格式。这个转换方法的输入参数“Address”,可以从情景化环境资源中指定的各种地址内取值。这些医院类别的“Address”属性,也可以通过这个属性可应用与可接受的功能转换约束得到确认:
: [Conversions].[Address] = [Hospital].[Address]
同样,火灾救援CAMOnt的表示及其与情景化环境资源的链接,也可以通过这个属性意义达成相同时可被环境资源情景化链接与转化的功能表示约束加以表明,即通过“Conversions”方法的输出参数“Map_Location”和“GetLocation”方法的输出参数“Map_Point”意义相同来实现:
: [Conversions].[Map_Location] = [GetLocation].[Map_Point]
通过上面约束推理可知,对于以坐标格式来计算医院位置来说,“Conversions”和“MedicalCareSuggestion”方法的成功实现无疑是一个可替换的办法,而且这两种方法也能相应地融入情景化环境资源之中。在情景化环境资源中,这两种方法并没有对“GetLocation”方法给出替代的方式,必须引入火灾应急领域COnt的一套属性层次约束、层级约束、可替代约束、可应用约束加以明确指定。
(1): <Routing, LocationDetermination, 1>
火灾应急领域COnt的属性层次约束的引入,可将一个新“LocationDetermination”作为“Routing”的一部分(约束中的1表示类层次关系)。
(2): <LocationDetermination, GetLocation, 0>
火灾应急领域COnt的属性层级约束的引入,可将这个“GetLocation”方法指定为位置确定的替换方法(约束中的0表示类层级关系)。
(3): <LocationDetermination, MedicalCareSuggestion, 0>
火灾应急领域COnt的属性可替代约束的引入,可将“MedicalCareSuggestion”这个方法指定为位置确定的替换方法之一。
(4): <MedicalCareSuggestion, Conversions, 1>
火灾应急领域COnt的属性可应用约束的引入,可将这个“Conversions”方法指定成“MedicalCareSuggestion”方法的一部分。
正如6.4.2节中所列举的例子,火灾救援CAMOnt的协同创建是对环境资源进行情境关系推理和语义融合的结果。在情景化环境资源中,一套适当约束确定的火灾救援CAMOnt需要用5Ws1H表示项来加以协同创建,这不仅使这些情景化资源所涉及的实体间产生新的关系,同时也会使其知识网络得到重新配置。在知识资源网络重配时,火灾应急领域COnt和情景化环境资源均为自治对象,能在情境感知中间件的人机适应性交互认知中,将火灾救援CAMOnt的5Ws1H表示项引入情境转化结构中,并在知识资源网络的结构保留中演变成一个可支持用户进行“六何”感知活动的新COnt-CAMOnt。
CAMOnt的5Ws1H表示方式,不仅能够将情景化环境资源及其实例复制到知识资源网络之中,而且能够随时反映其中的任何信息变化,从而为应急管理机构或决策者根据火灾的具体位置,适时适情组织各个应急救援队、消防队和医院,就近高效使用救护车、消防车和专用直升机等进行协同应急服务提供决策方案。
基于领域COnt面向CAMOnt进化的协同构建是一个CAS真正得以建立、有效运行的基础保障,能够为用户情境感知决策提供整个生命周期的支持。但是,无论分布于各领域异构资源之中的综合情境,还是分隐于环境之中的动态情境,都具有传感、多源、分布、动态、不确定和不完善等高组合复杂性,导致在以前的CAS研究中COnt往往采取针对情境单一生态形式加以分布独立构建的方法,人为地割裂了情境生态系统的内外结构,即使进一步采用协作Tags或语义Wiki对现有领域本体进行情境感知本体的改造,也难以给予用户个体自适应的感知能力。
为了构建一个以用户为中心、适应环境变化的CAS,在CAS中实现对COnt的协同构建,促使各领域COnt依赖情境感知中间件向CAMOnt的协同进化,本文主要以CAS中的各领域异构资源、环境动态资源及其集成情境转化为对象,采取相关文献对比分析和国内外有关内容优势互补的比较研究方法,根据CAS对COnt协同构建的需求及其基于概念格集成实现的必要性、独特性、可行性,不但基于概念格与本体的内涵相似性和互补融合之功能,面向各领域异构资源和环境动态资源的情境生命周期管理,分别提出了前者基于概念格整合立足于对其知识创造现实场景进行立体化抽象的领域COnt构建,以及后者基于领域COnt概念格和与环境资源重构立足于对用户应用实际情景进行形象化塑造的CAMOnt构建之原则;而且,在对领域COnt进行6R约束网络表示及其对环境资源情景化网络关联功能分析的基础上,通过概念格集成高度结构化组件构建的情境感知中间件对用户感知活动进行人机交互认知的能力分析,重点对CAMOnt基于领域COnt“六何”感知关联环境资源的进化机理与流程、功能与表示、协同进化方法与创建方式给出了比较详尽的解决方法。这种COnt协同构建方法,不仅能使各领域COnt得到类属层次关联、可网络约束表示的自动化构建,打破传统COnt只能独立分布构建的现状,也能使面向问题解决的CAMOnt得到适应任何领域、任何环境的通用构建,实现COnt无须冲突化解、可信度评价、访问控制的自进化性,从而保障情境内外生态系统结构得到和谐共生,可以适应环境变化地赋能用户以准确的情境感知决策能力。
参 考 文 献
Schilit B N, Theimer M M. Disseminating active map information to mobile hosts[J]. IEEE Network, 1994, 8(5): 22-32. [百度学术]
Pradeep P, Krishnamoorthy S. The MOM of context-aware systems: a survey[J]. Computer Communications, 2019, 137: 44-69. [百度学术]
van Engelenburg S, Janssen M, Klievink B. Designing context-aware systems: a method for understanding and analysing context in practice[J]. Journal of Logical and Algebraic Methods in Programming, 2019, 103: 79-104. [百度学术]
Studer R, Benjamins V R, Fensel D. Knowledge engineering: principles and methods[J]. Data & Knowledge Engineering, 1998, 25(1/2): 161-197. [百度学术]
Aguilar J, Jerez M, Exposito E, et al. CARMiCLOC: context awareness middleware in cloud computing[C]// Proceedings of the 2015 Latin American Computing Conference. IEEE, 2015: 1-10. [百度学术]
毕强, 鲍玉来. 数字图书馆知识组织体系构建的发展路径——概念格与本体的互补融合[J]. 华中师范大学学报(人文社会科学版), 2011, 50(5): 130-136. [百度学术]
李金海, 魏玲, 张卓, 等. 概念格理论与方法及其研究展望[J]. 模式识别与人工智能, 2020, 33(7): 619-642. [百度学术]
李金海, 何有世, 马云蕾, 等. 基于多层领域本体的知识表示通用模型研究[J]. 计算机工程与应用, 2020, 56(11): 149-155. [百度学术]
唐旭丽, 张斌, 傅维刚. 情境本体驱动的多源知识融合框架[J]. 图书情报工作, 2018, 62(22): 109-117. [百度学术]
姜永常, 王红露, 李浩. CKAIC中基于概念格整合异构资源的情境本体构建[J]. 现代情报, 2021, 41(3): 38-43. [百度学术]
Dias S M, Vieira N J. Concept lattices reduction: Definition, analysis and classification[J]. Expert Systems with Applications, 2015, 42(20): 7084-7097. [百度学术]
曹文振, 赖纪瑶, 王延飞. 人工智能时代情报学发展走向之辨——对本体论、感知论、方法论、服务论的再思考[J]. 情报学报, 2020, 39(5): 557-564. [百度学术]
van Bunningen A H, Feng L, Apers P M G. Context for ubiquitous data management[C]// Proceedings of the International Workshop on Ubiquitous Data Management. IEEE, 2005: 17-24. [百度学术]
Schilit B, Adams N, Want R. Context-aware computing applications[C]// Proceedings of the 1994 First Workshop on Mobile Computing Systems and Applications. IEEE, 1994: 85-90. [百度学术]
Krishnamoorthy S. Rover-II: a context-aware middleware for pervasive computing environments[D]. City of College Park: University of Maryland, College Park, 2013. [百度学术]
李亚子, 钱庆, 郭文丽, 等. 大规模本体协同构建框架研究与设计[J]. 图书情报工作, 2011, 55(12): 96-100. [百度学术]
Cai Y, Chen W H, Leung H F, et al. Context-aware ontologies generation with basic level concepts from collaborative tags[J]. Neurocomputing, 2016, 208: 25-38. [百度学术]
李浩君, 张芳. 活动理论视角下移动设备情境感知信息推荐服务研究——基于情境本体建模与规则推理[J]. 情报杂志, 2018, 37(3): 187-192. [百度学术]
密阮建驰, 战洪飞, 余军合. 面向企业知识推荐的知识情景建模方法研究[J]. 情报理论与实践, 2016, 39(4): 78-83, 59. [百度学术]
张弸, 李强. 基于情景要素适配的高校图书馆资源推荐服务研究[J]. 数字图书馆论坛, 2020(8): 42-47. [百度学术]
陈氢, 冯进杰. 多维情境融合的移动情境感知服务系统构建研究[J]. 情报理论与实践, 2018, 41(8): 115-119, 160. [百度学术]
孙辉, 王颖, 张智雄. 本体构建中的协同问题研究——以中华人民共和国史本体为例[J]. 情报学报, 2015, 34(9): 958-969. [百度学术]
刘杰, 李宏伟, 沈立炜, 等. 分布式本体的构建与一致性维护方法[J]. 计算机应用与软件, 2015, 32(10): 15-20, 77. [百度学术]
冯兰萍, 吴凤平. 基于群体行为的协同构建本体可信度研究[J]. 情报杂志, 2015, 34(6): 163-168. [百度学术]
毕强, 滕广青. 国外形式概念分析与概念格理论应用研究的前沿进展及热点分析[J]. 现代图书情报技术, 2010(11): 17-23. [百度学术]
毕强, 滕广青. 基于概念格的多本体协同知识地图构建研究[J]. 情报学报, 2012, 31(10): 1081-1025. [百度学术]
Meditskos G, Kompatsiaris I. iKnow: ontology-driven situational awareness for the recognition of activities of daily living[J]. Pervasive and Mobile Computing, 2017, 40: 17-41. [百度学术]
Safyan M, Ul Qayyum Z, Sarwar S, et al. Ontology evolution for personalised and adaptive activity recognition[J]. IET Wireless Sensor Systems, 2019, 9(4): 193-200. [百度学术]
李金海, 米允龙, 刘文奇. 概念的渐进式认知理论与方法[J]. 计算机学报, 2019, 42(10): 2233-2250. [百度学术]
滕广青, 毕强. 从应然之思到实然之举: 知识的本体与本体化进程[J]. 情报理论与实践, 2011, 34(12): 24-28. [百度学术]
Tonella P. Formal concept analysis in software engineering[C]// Proceedings of 26th International Conference on Software Engineering. IEEE, 2004: 743-744. [百度学术]
Issarny V, Caporuscio M, Georgantas N. A perspective on the future of middleware-based software engineering[C]// Proceedings of the Conference on Future of Software Engineering. IEEE, 2007: 244-258. [百度学术]
Pradeep P, Krishnamoorthy S, Pathinarupothi R K, et al. Leveraging context-awareness for Internet of Things ecosystem: Representation, organization, and management of context[J]. Computer Communications, 2021, 177: 33-50. [百度学术]
Lu Z J, Li G Y, Pan Y. A method of meta-context ontology modeling and uncertainty reasoning in SWoT[C]// Proceedings of the 2016 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery. IEEE, 2016: 128-135. [百度学术]
Pradeep P, Krishnamoorthy S, Vasilakos A V. A holistic approach to a context-aware IoT ecosystem with Adaptive Ubiquitous Middleware[J]. Pervasive and Mobile Computing, 2021, 72: 101342. [百度学术]
闫梦宇, 李金海. 概念格共有与独有属性(对象)的关系研究[J]. 计算机科学与探索, 2019, 13(4): 702-710. [百度学术]
范炜. 情报学视角的情境概念及情境观认识[J]. 图书情报工作, 2020, 64(12): 4-10. [百度学术]
Smirnov A, Levashova T, Shilov N, et al. A hybrid technology for operational decision support in pervasive environments[C]// Proceedings of the IFIP International Conference on Artificial Intelligence Applications and Innovations. Boston: Springer, 2009: 3-12. [百度学术]
王福, 毕强. 移动图书馆场景化信息接受情境聚合适配研究[J]. 情报理论与实践, 2018, 41(6): 22-27, 21. [百度学术]
Safyan M, Qayyum Z U, Sarwar S, et al. Ontology-driven semantic unified modelling for concurrent activity recognition (OSCAR)[J]. Multimedia Tools and Applications, 2019, 78(2): 2073-2104. [百度学术]
Wang W S, Li W P, Wu Z H, et al. An ontology-based context model for building context-aware services[C]// Proceedings of the 2011 Second International Conference on Intelligent Systems, Modelling and Simulation. IEEE, 2011: 296-299. [百度学术]
Smirnov A, Pashkin M, Chilov N, et al. Knowledge source network configuration approach to knowledge logistics[J]. International Journal of General Systems, 2003, 32(3): 251-269. [百度学术]
Pradeep P, Krishnamoorthy S, Vasilakos A V. A holistic approach to a context-aware IoT ecosystem with Adaptive Ubiquitous Middleware[J]. Pervasive and Mobile Computing, 2021, 72: 101342. [百度学术]
Henricksen K, Indulska J, McFadden T, et al. Middleware for distributed context-aware systems[C]// Proceedings of the OTM Confederated International Conferences: On the Move to Meaningful Internet Systems. Heidelberg: Springer, 2005: 846-863. [百度学术]
Stumme G. Formal concept analysis on its way from mathematics to computer science[C]// Proceedings of the International Conference on Conceptual Structures. Heidelberg: Springer, 2002: 2-19. [百度学术]
Eisenbarth T, Koschke R, Simon D. Locating features in source code[J]. IEEE Transactions on Software Engineering, 2003, 29(3): 210-224. [百度学术]
Tilley T, Cole R, Becker P, et al. A survey of formal concept analysis support for software engineering activities[M]// Formal Concept Analysis. Heidelberg: Springer, 2005: 250-271. [百度学术]
Guermah H, Fissaa T, Hafiddi H, et al. An ontology oriented architecture for context aware services adaptation[J]. International Journal of Computer Science Issues, 2014, 11(2): 24-33. [百度学术]