HowNet与CCD映射方法研究

本体映射是解决本体异构问题的关键方案。该文以HowNet和CCD中的名词性概念为例,首先利用机器学习技术发现初始映射关系,主要包括特征选择、样本集合划分、分类器选择等步骤;然后考虑本体的整体结构信息,利用相似度传播算法,对初始映射关系进行全局调整。实验表明,最终的一对一和一对多映射关系的准确率分别达到了94%和87.5%。     

相似本体间属性映射方法的研究

在以往的本体映射技术的研究中，大多数的研究都集中于本体中的概念间的映射，而很少有人从事概念间属性映射的研究工作。然而对于一些复杂的嘘用，仅仪是概念之间的映射是不充分的。例如通过指定属性的约束条件来检索实例，就需要发现属性间的映射关系。另一方面，目前的很多本体映射方法都存在准确率低，启发信息少的问题，而属性间的映射关系可以被应用在辅助概念映射上边。所以希望能够将属性映射同概念映射集成，以达到更好的映射效果。因此该文对相似本体间的属性关系进行了研究，并在此基础上提出一种基于本体的属性映射方法。     

一种基于Swoogle 本体映射的改进算法

基于Swoogle 的本体映射关键步骤在于通过本体搜索引擎动态的获取多个背景本体。然而,目前该步骤却存在无法找到与某些概念相关联的背景本体,以及由于词义的模糊性搜集了错误的背景本体的问题。针对第一个问题,提出利用基于虚拟文档的映射技术,提取在WordNet 中与概念同义的同义词,把原先的对单个概念进行搜索转换成对同义概念集进行搜索,进而提高本体搜索面,获取更多背景本体;针对第二个问题,提出基于语义环境的动态本体映射的新映射方法,采用该方法来排除错误背景本体,使本体收集更加精确。实验显示改进后的方法有效的提     

本体映射概念及方法的研究

本体映射是本体集成的一个关键环节.构建本体映射是分布式环境下实现不同本体之间共享和交流的基础性工作.本文首先通过举例分析了本体映射的概念,再从映射的构建思路和具体实现的角度对本体映射的方法进行了总结,最后分析了现在本体映射存在的问题和可能的研究前景.     

大本体的分块与映射方法研究

在本体的映射研究中,现实本体或大本体之间的映射算法是研究的难点。该文提出一种针对大层次本体的映射方法。根据本体的结构和概念之间的语义距离,应用向量空间模式（VSM）将概念表示成多维空间中的点。在此基础上,应用聚类算法（CURD）对概念进行聚类,形成若干个语义上相对独立的块,在2个本体的块之间根据参考点建立映射关系。实验结果表明,该方法在测试数据集上能得到较好的映射结果     

基于概念集群的本体映射方法研究

本体异构是目前本体应用的一大瓶颈,而本体映射则是解决本体异构性的基础。基于概念集群的本体映射方法(CCOM)将概念间的语义结构关系引入映射过程中,用概念集群相似度代替概念相似度进行映射规则推导。实验证明本方法具有较好的查全率与查准率。     

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。     

语义集成:本体映射方法研究

本体是客观世界知识的表现形式,随着语义Web研究的深入,研究者们构建了越来越多的本体,如何实现本体之间的知识共享和重用,成为了语义Web发展的关键。文中对本体映射的方法进行了研究,系统阐述了本体及本体映射的定义、本体映射中的相似度计算和本体映射框架等。如何减少本体映射中的人工干预,实现本体的半自动化或自动化映射将是该领域的发展方向。     

本体映射中一种改进的概念相似度计算方法

本体映射是实现不同本体之间共享和交流的基础性工作。目前本体映射方法研究的重点主要集中在以自动化或半自动化方式实现映射和提高概念相似度计算的精度。本体映射的关键是不同本体概念间相似度的计算,单一的概念相似度计算方法往往不利于提高相似度的精度。针对以上不足提出了一种改进的概念相似度计算方法,并对其进行详细的描述,其中属性语义相似度计算方法改进了现有的基于属性计算语义相似度的方法,综合了数据类型属性和对象类型属性的语义相似度。经实例验证该方法有效且具有较高的精度。     

一种基于冗余消除的本体映射后处理方法

现有的本体映射研究大多只关注映射方法本身,而缺乏对映射结果的具体分析,使得已有的映射结果供本体重用时应用效率不高。因此,本文提出一种基于冗余消除的本体映射后处理方法来对已有映射结果进行处理,以获得最优基础映射集,提高本体映射重用的效率。实验结果表明,本文方法在精简映射规模和提高映射重用效率上的表现均较优。     

一种模块化的多策略模糊本体映射方法*

通过分析模糊本体的特点,并结合模块化和多策略映射的优点,提出了一个面向语义Web的模糊本体模型,并针对该模型提出了一种模块化的多策略本体映射方法,以提高模糊本体映射的效率和准确率。最后对映射结果进行融合并采用迭代矫正的方法进行修复,使得映射结果更加准确可靠。     

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。     

语义集成:本体映射方法研究

本体是客观世界知识的表现形式，随着语义Web研究的深入．研究者们构建了越来越多的本体．如何实现本体之间的知识共享和重用，成为了语义Web发展的关键。文中对本体映射的方法进行了研究，系统阐述了本体及本体映射的定义、本体映射中的相似度计算和本体映射框架等。如何减少本体映射中的人工干预，实现本体的半自动化或自动化映射将是该领域的发展方向。     

本体映射的方法在汽车领域的应用

本体映射是本体集成的一个关键环节.本体映射是实现不同本体之间共享和交流的基础,为相似或不同应用领域间的知识共享铺平道路,方便知识的获取.介绍了两个汽车领域本体之间进行映射的一种方法,该方法使用了基于语法匹配的方法并利用实例信息确定所映射的概念.最后结合了具体的例子来说明了核心算法.     

多策略概念相似度计算方法LMSW

本体映射是语义集成的关键,国内外对本体映射进行了深入的研究。将机器学习的方法引入到组合概念相似度的权值计算中来,提出了基于Widrow-Hoff理论的权值确定算法LMSW。通过梯度下降法来搜索最佳拟合训练样例的权向量,从而计算出组合的概念相似度,最终实现组合多种概念相似度算法的本体映射。实验表明该算法比单独使用概念相似度计算方法在查全率、查准率上均有所提高。     

基于NSGA-Ⅱ的大规模本体映射方法

现有的基于进化算法的本体映射技术在面对大规模本体映射问题时,由于搜索空间太大导致算法效率低下,从而使其无法有效地在实际中得到应用。针对这一问题,提出了基于快速非支配排序的多目标遗传算法(NSGA-Ⅱ)的大规模本体映射方法。该方法通过三个步骤来映射本体:1)通过基于邻居相似度的划分算法来将源本体划分为不相交的概念块;2)通过相关概念过滤方法来确定目标本体中同源本体概念块相关的概念块;3)使用NSGA-Ⅱ方法来完成概念块之间的映射并通过贪心算法集成最终的结果。使用OAEI 2012的小规模的书目本体测试数据集和大规模的生物医学本体测试数据集对所提出的方法进行测试。同OAEI 2012的参与者的比较结果表明,所基于NSGA-Ⅱ的大规模本体映射方法能够在较短的时间内获取较好的本体映射结果,因此该方法是有效的。     

一种基于视图的本体映射模型的构建

为了实现异构本体间的互操作,本体映射是最有效的解决方法.在本体映射的研究中,已经有很多文献提出了多种映射方法,比较和分析这些方法后,本文基于Schema映射理论构建了基于视图的本体映射模型.首先生成各局部本体的视图;然后对各局部本体视图概念进行聚类分析生成类聚簇,在此基础上基于概念语义关系将局部本体视图元素合并集成为全局本体视图元素,生成全局本体视图,同时建立起全局本体视图与局部本体视图间的映射关系.该模型增加了本体映射的可理解性和清晰性;适应于动态信息环境;为实现异构本体间信息共享提供了一个可视化的框架.     

一种基于语义网的本体映射改进算法

针对目前基于语义网的本体映射算法中背景本体搜索面少、本体收集不精确的问题,利用基于虚拟文档的映射技术提取在Word—Net中与概念同义的同义词集,将对单个概念进行搜索转换成对同义概念集进行搜索,从而扩大本体搜索面,获取更多背景本体。提出基于语义环境的动态本体映射算法来排除错误背景本体,使本体收集更加精确。实验结果表明,该算法可有效提高映射的查全率和查准率。     

基于AHP的多策略映射与集成方法

针对目前本体映射中使用多策略计算概念间相似度和对相似度进行集成时存在的问题,对部分关键策略进行相应的改进,提出利用层次分析法对多策略计算出的相似度进行定量的权值分配。实验结果表明,该方法对多策略的改进是有效的,可较好地区分不同策略得出的相似度对映射结果的重要程度,提高本体映射的查准率。     

高效的异构本体的映射算法研究

基于本体的概念间相似度计算已经在信息检索等诸多领域成为当今信息技术研究的热点问题之一。本文的工作是针对描述同一领域的多个本体间存在的异构问题,设计一种快速高效的映射算法来实现异构本体的融合。本文提出了一种基于异构本体的相似度计算方法,通过字面概念相似度和语义结构(包括节点深度、节点密度、边权重、信息量等)相似度等方面的综合计算,可以准确地得到异构本体间的概念映射关系;同时,通过对映射方法的优化,算法的匹配速度也有很大程度的提高。实验结果表明,该算法可以有效地排除本体异构的影响,得到较好的概念相似性计算效果。