一种改进的本体相似度计算方法

本体映射的关键技术是本体相似度计算。本文基于已有的V-Doc(虚拟文档)技术提出一种新的NV-Doc本体相似度计算方法,其中不仅用到了本体中实体自身以及其第一层相邻节点的信息,而且还充分利用了第二层相邻节点的信息。     

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。     

一种新的基于相似度计算的本体映射算法*

领域本体在知识的共享和重用方面起着重要的作用。本体映射是解决本体异构,在不同本体间建立语义关联的一种有效的方法。针对不同本体间的本体概念映射提出了一种新的概念相似度的综合计算方法,从本体概念名称、属性、结构和实例四个方面讨论本体概念的相似度,同时提出在涉及概念名称和属性名称时,使用其同义词扩展集参加计算,计算综合相似度时,分别用手工和自动的方法赋予权值。实验证明改进的算法提高了本体概念映射的查全率。     

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。     

大规模本体分块与映射中一种新的块映射策略

现有的大规模本体分块与映射系统中大多采用基于参考点的块映射策略,映射策略比较单一,块映射质量不高.因此,提出一种新的基于本体块结构的块映射策略,通过重建本体块结构图来获取块与决之间在结构上的相似度,并将其和基于参考点的策略相结合,通过加权求和得到总的相似度.理论分析和实验结果表明,本文的方法块映射准确率高.     

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。     

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.     

本体算法中相似度矩阵的学习

本体图中顶点之间的相似度计算是各类本体算法的本质所在.本体图中各个顶点对的相似度组成本体相似度矩阵,因此得到一个最优相似度矩阵是本体应用的实质.本文提出一种通过计算距离矩阵来得到本体相似度矩阵的方法,该方法着眼于降维过程的稀疏化和解的光滑性.从样本集得到相似顶点对集合S和不相似度顶点对集合D,由此得到三元组Γ.将Γ的信息融入到计算模型中,进而使得距离矩阵保持了原本体图中顶点间的距离结构特征.借鉴凸最小最大优化模型的光滑逼近法,得到距离矩阵计算模型的求解策略.最后,通过两个具体实验表明,本文所给的相似度矩阵计算方法对于特定应用领域中的本体相似度计算和不同本体间建立本体映射具有较高的效率.     

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。     

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。