中文摘要：

随着语义Web数据的不断增长，浏览语义Web的需求越来越迫切，因此很有必要研究语义Web浏览方法与技术，以推动语义Web 浏览器的发展以及语义Web的整体发展。现有的语义Web浏览工具或系统在个性化、智能化和易用性方面并不令人满意，相关研究工作尚有很大的改进空间，且有多处需要创造性突破。本项目主要研究语义Web的浏览模型、RDF数据呈现方式的复用与定制方法、浏览器环境下的RDF数据查询与推理方法、浏览器环境下的RDF数据融合方法以及语义Web浏览器软件的支撑技术。本项目力图在浏览器中查询的标识和语义解释机制、实体视图的复用与重构机制、浏览器环境下基于规则的RDF数据查询与推理方法、基于半监督学习的对象共指推荐方法以及用户关注点驱动的本体匹配方法等方面有所创新。这些创新方法和技术将有利于提高语义Web浏览器的个性化和智能化程度，并改善其易用性，对于发展语义Web软件方法与技术也具有重要意义。

结论摘要：

在一个面向实体的语义Web浏览模型的基础上，项目组就RDF数据呈现、语义导航、RDF数据融合、语义Web浏览器软件的支撑技术等进行了深入研究，主要成果如下在RDF数据呈现方面，提出了一种面向交互式实体链接的实体摘要方法，综合考虑刻画性、差异性和相关性等因素；该方法不会带来精度的显著降低，并显著降低了人工的时间。在DBpedia和Wikipedia数据集上开展实证研究，对大量的“理想”摘要进行多维度分析，为实体摘要方法的研究提供实验依据和理论启发。我们还研究了RDF数据的文本呈现，并提出一种基于最连贯缩进列表的通用RDF数据呈现方法。在语义导航方面，提出了两种创新方法。针对基于类型的实体过滤，提出一种基于BMC的类型选取方法；考虑到实体类型的层次结构，提出了一种称为EBMC的优化问题，给出了近似算法，并提出一种基于EBMC的类型选取方法。针对基于链接的导航，提出了链接模式的概念，采用形式概念分析方法自动生成链接模式的概念格，最后使用BMC模型选取合适的K个链接模式作为导航选项。提出的两种方法具有更好的实验效果。在RDF数据融合方面，提出了一种协同共指消解方法和面向共指消解的实体摘要方法。实体共指对应于URIs上的一个划分，假设每个用户有一个“个性化划分”，设计算法生成一个“共识划分”。“共识划分”可以作为训练数据来生成一个实体共指的分类器，帮助用户判断共指，减轻用户的负担。为了提高人工的效率，提出一种面向计算机辅助人工进行实体共指消解的实体对比式摘要生成方法，用自动生成的摘要替代实体的完整描述，缩短人工的用时，提高生产率。在语义Web浏览器软件的支撑技术方面，开发并发布了一个称为南京词汇库的大规模本体库，对本体词汇相关性进行了实证研究，研究了浏览器环境下的RDF数据查询与推理技术，并将基于规则推理应用于实体共指消解。依据本项目提出的诸多创新成果，设计并实现了一个称为SView的语义Web浏览系统，该系统也验证了本项目提出的方法与技术是切实可行的。总的来说，本项研究达到了预期的目标。项目组发表学术论文15篇，包括期刊论文4篇，会议论文11篇。按照CCF论文分级体系，A类2篇，B类6篇，C类5篇。项目组的研究成果还包括一本书籍和一项授权发明专利。本项目的研究成果对于语义Web软件方法与技术的发展具有积极影响。