一种新的本体相似度计算方法 *

针对目前本体映射过程中相似度计算存在的问题 ,提出了一种综合的相似度计算方法。首先判断不同本体之间是否存在相关性 ,若相关 ,则充分考虑各种相关因素 ,从语义和概念两个层面来进行比较 ;然后给出本体的综合相似度计算方法 ;最后采用两组测试数据对该方法进行实验 ,并与 GLUE系统的概率统计方法进行了实验对比。实验结果表明 ,该方法能够有效确保相似度计算的准确性。     

本体映射中的概念相似度计算

本体是概念、属性和关系的集合,本体映射是解决本体异构的最好方法.文中针对目前本体映射过程中概念相似度计算存在的问题,提出一种综合的相似度计算方法.先根据本体中两个概念名称的相似性,选出最相关的概念,减少相似度的计算,然后分别基于概念的属性、实例和关系来计算概念相似度,并进行综合得到概念相似度.在计算属性相似度时,先通过计算属性的信息增益来确定各个属性的优先级,最后只选取几个信息增益大的属性进行相似度的计算,从而减小计算量.     

本体中概念相似度的计算

本体是概念、属性和关系的集合。本体异构是本体间互操作的主要障碍,解决本体异构最好的方法是本体映射。本体映射的关键是概念相似度的计算,但计算时一般不考虑关系和属性对相似度的影响,计算结果存在误差。论文从两个方面对概念的相似度进行计算。首先计算概念的语义相似度,然后计算概念描述相似度。实验表明该计算方式可以提高计算结果的精确度。     

改进的多策略的概念相似度计算方法

本体映射是解决本体异构的有效手段,而概念相似度计算是本体映射的关键环节。针对目前本体映射中概念相似度计算存在的问题,提出一种改进的多策略的概念相似度计算方法。首先根据两个概念的名称相似度进行初始映射判断,然后基于概念的属性、结构、实例计算概念相似度,并选取适当的权值进行加权综合。最后采用OAEI提供的标准数据测试集benchmark进行实验。实验结果表明,该方法在保证映射效率和通用性的同时,提高了映射结果的查全率和查准率。     

一种综合的概念相似度计算方法

本体映射可以用来解决本体异构问题，也是本体结盟、本体集成、本体合并、本体翻译等的技术基础。本文针对目前本体映射中概念相似度计算所存在的问题，提出了一种综合的相似度计算方法。首先根据两个概念名称相似性过滤出最相关的概念，减少相似度的计算；然后基于概念实例、基于概念属性、基于概念关系计算概念相似度，并进行综合；最后对其性能进行了简单分析。     

改进的本体中概念相似度计算方法

随着本体的增多,本体异构是本体间互操作的主要障碍,阻碍了本体信息共享,解决本体异构最好的方法是本体映射。本体映射的关键是概念相似度的计算,但现今的计算模型考虑的影响因素比较单一。结合距离语义相似度和属性语义相似度,提出了一种综合语义相似度计算方法。实验证明,该方法可以提高计算结果的精确度。     

本体映射中的概念相似度计算

本体是概念、属性和关系的集合．本体映射是解决本体异构的最好方法。文中针对目前本体映射过程中概念相似度计算存在的问题,提出一种综合的相似度计算方法。先根据本体中两个概念名称的相似性,选出最相关的概念,减少相似度的计算,然后分别基于概念的属性、实例和关系来计算概念相似度,并进行综合得到概念相似度。在计算属性相似度时,先通过计算属性的信息增益来确定各个属性的优先级,最后只选取几个信息增益大的属性进行相似度的计算,从而减小计算量。     

本体映射中一种综合的概念相似度计算方法

本体映射是实现异构本体间互操作的有效方法,其核心环节是概念相似度的计算。针对传统概念相似度计算方法中存在的不足之处,提出了一种综合的概念相似度计算方法——DISS模型。该算法从概念定义、概念实例、概念结构三个方面计算相似度。实验证明,该算法改善了传统计算方法中存在的片面性和不完善性问题,提高了本体映射的查全率和查准率。     

一种改进的本体相似度综合映射方法研究

为了解决本体映射方法中计算量大、方法单一的问题,提出本体相似度综合映射方法。首先分解合适的本体,将规模比较大的本体分解为小本体,以降低映射计算的时间复杂度;然后根据本体映射的启发规则筛选出候选概念集,对候选概念集进行基于世界知识体系的本体概念相似度计算,再进行语义相似度和结构相似度计算,并把这3种不同算法得到的相似度值进行加权综合,给出最终的本体概念相似度值,再根据该值进行本体映射;最后通过设计实验来验证算法的正确性与有效性,结果表明本方法能在提高映射效率的同时保证良好的查询效果。     

一种综合事件本体相似度计算方法

事件本体相比于传统本体具有更加丰富的语义信息,在面向事件的大数据集成中更具优势,然而用传统的本体相似计算方法计算事件本体相似度存在很多不足,提出了一种综合的事件本体相似度计算方法。该方法以词语相似度、集合相似度、层次结构相似计算为基础,然后从事件类名称、事件类要素、事件类层次结构和非层次结构讨论事件本体的相似度,最终获得事件本体的综合相似度。实验表明该方法相比传统本体相似度计算方法准确率更高,语义信息更加丰富。     

基于词汇相似度的元素级本体匹配

随着语义Web的不断发展，本体数量日益增加。本体匹配作为本体映射、比较和集成的基础，具有重要的实际意义。由第3届国际语义Web大会(3th ISWC)主办的本体匹配竞赛(EON2004)对多种本体匹配工具进行比较和评估。该文提出了一种元素级本体匹配算法LANA(Lexical Analyzer)，该算法通过计算词汇相似度得到两本体间的元素匹配对。与EON2004中的其它元素级本体匹配方法相比，LANA在没有增加匹配复杂度的基础上，具有较好的准确率和召回率。     

一种跨本体的语义相似度计算方法

针对在广域分布环境下进行信息共享与服务的需要,本文设计了基于本体的元数据模型,并在MD3模型的基础上给出了一种基于该元数据模型的跨本体的语义相似度计算方法.MD3模型是一种系统的跨本体概念间相似度的计算方法,这种方法无需建立一个集成的共享本体.在MD3模型的基础上,充分利用本体对概念的描述信息,重点讨论了跨本体概念间非层次关系相似度的计算,把MD3模型扩展到MD4模型,使得概念间相似度的计算理论上更全面、更精确.     

Identifying relevant concept attributes to support mapping maintenance under ontology evolution

The success of distributed and semantic-enabled systems relies on the use of up-to-date ontologies and mappings between them. However, the size, quantity and dynamics of existing ontologies demand a huge maintenance effort pushing towards the development of automatic tools supporting this laborious task. This article proposes a novel method, investigating different types of similarity measures, to identify concepts’ attributes that served to define existing mappings. The obtained experimental results reveal that our proposed method allows to identify the relevant attributes for supporting mapping maintenance, since we found correlations between ontology changes affecting the identified attributes and mapping changes.     

基于语义分析的OWL文档聚类研究

借助目前丰富的网络资源，将同一主题的现存Ontology知识聚类，提供给领域专家或用户进行二次精化和集成是Ontology研究领域的一个重要课题．OWL是目前用于表示和交换Ontology信息的基本标准．本文从OWL的语义本质出发，考虑了知识之间的继承性及复杂类比较和模糊集运算的相似性，提出一种计算OWL文档语义相似性的方式，并和层次聚类算法集成完成了对OWL文档集的聚类实验．实验结果说明本文提出的算法对自动生成和手工建立的OWL文档集都有很好的效果。     

一种改进的本体相似度计算方法

提出一种综合的相似度计算方法,采用Hirst-St-Onge语义相关度算法,判断不同本体之间是否存在相关性,如果相关,则充分考虑概念的名称、属性、实例、关系。以MD3模型为基础,给出本体的综合相似度计算方法。采用2组测试数据进行实验对比,结果表明,扩展后的方法在查全率和查准率方面都优于MD3模型。     

本体语义相似度自适应综合加权算法研究

本体语义相似度计算是解决语义网中语义异构的关键环节。通过对传统语义相似度计算方法的分析研究,引入本体层次结构,给出基于信息内容、距离、属性的语义相似度改进计算方法,并采用主成分分析法,提出一种自适应相似度综合加权计算方法(ACWA),以解决传统综合加权计算时人工赋权的不足。实验结果表明,提出的ACWA算法的计算结果与参照标准之间的皮尔森系数较传统算法平均高出了8.1%,有效提升了本体语义相似度计算的准确性。     

非ISA关系在本体概念相似度计算中的度量方法研究

在本体概念相似度计算过程中,关于本体概念间非ISA关系的处理方法较少。针对本体中存在非ISA概念关系的情况,总结了一些传统的概念相似度计算方法,提出了一种新的适应于非IS八概念关系的相似度计算方法。此方法利用Tversky模型计算本体有向无环概念图的信息量覆盖程度,并结合语义距离方法,再进行权值求和。实验表明,提出的方法可以有效地度量ISA关系,对非ISA关系具有适用性。     

本体映射综述

作为不同本体之间知识共享和互操作的一种方法,本体映射受到越来越多的重视。根据本体映射过程将本体映射系统划分为五大功能组件,总结了本体映射系统中常用的相似度算法。通过梳理本体映射领域的最新发展成果,从不同层次、不同维度构建本体映射系统分类体系。 介绍并比较了一些经典的本体映射系统,并对这些本体映射系统进行评价。最后指出本体映射将面临的挑战。