基于领域学习的本体映射方法

在语义数据集成中本体映射是关键,手工设置映射关系消耗时间并且不准确,需要使用本体映射工具自动发现这种映射关系。在现有本体映射方法的基础上提出了基于领域学习的映射方法,可以发现本体中概念之间的映射关系,可以从领域知识中发现复杂映射的规则、增加映射时的实例数据,提高映射发现的查全率和准确率。实验结果验证了算法的有效性。     

DW中一种基于本体的语义集成方法研究

文中介绍了数据仓库领域一种基于本体的语义集成方法。首先建立领域本体和数据源的局部本体,然后通过局部本体对应的概念树间的映射算法得到数据源全局本体,再和领域本体映射,得到映射关系。最后通过本体推理,得出隐含的语义关系,用最终的语义关系来指导数据抽取、转换和加载过程,实现数据仓库语义程度上的数据集成。     

专家视图与本体视图的语义映射方法

由于本体具有强大的知识表示和推理能力,本体已经在很多领域得到了广泛应用.然而,本体的深入应用还面临着很多深层次的共性语义映问题,已有的本体建模方法仅仅提出了一些简单的指导原则和基本步骤,使得知识工程师仍然无从下手.在基于领域专家知识构建领域语义知识库时,针对领域专家知识中的一词多义、多元关系和安全需求等3类共性语义映射问题,从5个方面展开了深入研究,提出了相应的语义映射方法,总结了10条本体建模约定.最后构建了一个完整的应用案例,并对所提出的5类语义映射方法进行了评价.     

基于本体映射的多本体查询方法

随着语义网的发展,本体已经成为很多领域表达知识的主要手段.许多领域都根据自己的需求建立了本体来描述本领域内的知识.但是目前许多针对本体的语义查询只能对一个本体进行查询.为了实现一个查询能够对多个本体进行访问并且返回适当的查询结果,文中提出了一种利用本体映射实现对多本体的查询方法.其中的映射方法是一种基于语义的多策略结合方式.通过实验发现查询的速度与本体的数量基本呈线性关系且不会因为本体异构程度而增加.     

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。     

面向服务环境下基于本体映射的多领域业务过程协同*

为解决面向服务环境下多领域业务过程协同中的语义不一致问题,使不同领域提供的Web服务实现无障碍交互以及数据和知识共享,提出基于本体映射的多领域业务过程协同框架。首先根据领域知识建立参考本体,然后根据各领域的参考本体生成领域间的协同本体,最后将协同本体通过映射转换到BPEL和WSDL文件。该方法能够保留流程与Web服务中的原始语义信息,从而保证不同领域业务过程协同地顺利进行。原型系统在欧盟ImportNET项目中得到了验证。     

基于本体映射的语义Web服务发现框架

分析了语义Web服务中存在的本体异构问题,讨论了语义Web服务发现中输入、输出匹配的方法,以及本体映射中概念相似度计算方法.在已有的Web服务模型基础上,引入语义Web服务发现的机制,提出了一个基于本体映射的语义Web服务发现框架,并阐述了其实现机制.该框架下的本体映射技术的应用能够增强语义Web服务发现的能力.     

从关系数据库到本体映射研究综述

随着语义Web技术的逐步发展,本体在数据集成和异构系统语义交互研究中起到越来越重要的作用.本文对近年来从关系数据库到本体建立语义关联的研究现状进行了阐述,将其分为从关系数据库抽取本体以及关系数据库模式与给定本体进行映射两大类,分别针对这两类方案的特点、应用领域、相关研究和工具进行了详细分析,并对当前的典型研究成果进行比较.在此基础上指出映射维护、工具可视化、利用实例知识或领域知识辅助映射以及自动映射的评价是未来的研究和发展方向.     

一种基于上下文的语义映射方法

提出了一种基于上下文的语义映射方法SM-Context (semantic mapping based on context).SM-Context首先为本体模型中的概念找出表示其语义信息的上下文,然后采用谓词逻辑的形式表示概念的上下文,最后将本体映射问题转换成命题可满足性问题(SAT),并通过推理方式建立本体之间的语义映射关系.为了验证所提方法在处理本体映射问题时的可行性与有效性,采用OAEI所提供的共享数据集来测试SM-Context.实验结果表明,SM-Context可以有效地利用概念的上下文为本体之间建立语义映射关系.     

一种基于FCA的面向关系数据库的本体学习方法

从已有的数据模型中进行语义提取,经过一定的规则映射生成本体的过程称为本体学习。关系数据库模型是当前数据的存取与组织的主要模型,从中学习得到本体,一直是本体工程领域研究的热点之一。利用手工定义的E-R模型到本体的映射规则来完成本体的构建,是国内外大部分学者采用的方法。但这样获得的本体概念层次关系主观依赖性强,不利于本体的实际应用。为了能更加客观地获取数据之间的概念层次关系与语义信息,提出了一种基于FCA(形式概念分析)从关系数据库进行本体学习的方法。该方法既保持了关系数据表中原有的数据语义关系,又发挥了FCA自动提取语义信息的特点,提高了最终本体生成的质量,有利于在具体的领域应用中使用本体。最后结合材料服役安全数据库的数据信息,演示了运用所提出的方法学习得到领域本体的过程。     

基于本体的异构数据集成方法及其实现

分析了传统异构数据集成中存在的困难,给出一个改进的基于本体的异构数据集成方法.该方法采用本体描述信息源领域中的概念,通过构建语义映射关系,解决数据集成中存在的语义异构问题.     

语义虚拟环境本体可视化模型的研究

当前信息可视化所面临的一个瓶颈就是,需要一种模型来把场景图形内容和特定领域的语义信息进行有效集成,使用户可以有效地解释个性化可视化信息。基于X3D标准以及本体用本体描述语言OWL描述X3D标准,构建了一个X3D标准本体和一个映射本体来实现X3D标准本体和其他具体领域本体之间类和属性的映射,以达到丰富虚拟场景语义的目的。基于X3D标准本体和映射本体设计了语义虚拟环境本体可视化模型,从而为具体领域本体实现可视化提供了一种方法。实验结果证明了该模型的可行性。     

基于多映射的本体合并框架设计

由于分布式环境下构建的本体异构特性,严重阻碍了本体间的互操作性,对同一领域本体进行合并是解决本体异构的最有效方法之一。本文提出了一种基于多映射的本体合并框架,在结合当前映射技术优点的基础之上,配备语义桥生成器和冲突处理器,能充分提高合并的效率,该框架可以在语义Web中将源本体自动合并生成新的目标本体。     

一种基于语义词典的本体对齐框架

提出一种基于语义词典的本体对齐框架.首先抽取出代表本体元素的字符串,这些字符串包括本体中的概念、实例、关系等,并利用现有的词典和语义资源将字符串变为词的集合;然后将本体对齐转换为单词集合间的映射,通过多相似度的匹配算法来进行相似度计算,从而实现本体对齐.实验结果表明,所提出的方法是有效的且较之以前的对齐方法有一定的提高.     

Ontology learning: state of the art and open issues

Ontology is one of the fundamental cornerstones of the semantic Web. The pervasive use of ontologies in information sharing and knowledge management calls for efficient and effective approaches to ontology development. Ontology learning, which seeks to discover ontological knowledge from various forms of data automatically or semi-automatically, can overcome the bottleneck of ontology acquisition in ontology development. Despite the significant progress in ontology learning research over the past decade, there remain a number of open problems in this field. This paper provides a comprehensive review and discussion of major issues, challenges, and opportunities in ontology learning. We propose a new learning-oriented model for ontology development and a framework for ontology learning. Moreover, we identify and discuss important dimensions for classifying ontology learning approaches and techniques. In light of the impact of domain on choosing ontology learning approaches, we summarize domain characteristics that can facilitate future ontology learning effort. The paper offers a road map and a variety of insights about this fast-growing field.     

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。     

基于OWL本体论映射的数据库网格语义模式集成研究

本文提出了一种在数据库网格中OWL本体论映射机制如何用于基于语义的数据库模式集成。方法是首先把关系模式转化为RDF/OWL语义描述以完成局部映射,再通过把局部数据语义与全局共享本体建立联系来完成全局映射。本质是把异构数据库模式的语义通过本体显性地表达出来,并在语义Web层完成模式的集成。特点是实现了在统一的语义层次上进行共享与查询,同时采用了局部映射与全局映射松耦合的构架,其特有的分层结构使得在跨库/单库环境中进行语义查询变得更加灵活。     

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。