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。     

基于匿名消息广播的电子选举方案

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。     

本体候选映射集搜索方法的研究

针对传统的本体候选映射集搜索方法时间复杂度偏高、且容易得出错误的候选映射集等问题,提出一种改进的候选映射集搜索方法。该方法通过比较概念间的名称相似度获得初始的候选映射集,利用概念间的相关度对其进行扩展,从而得出最终的候选映射集。实验结果验证了该方法的有效性。     

基于模块化的大规模本体映射方法

映射效率对于动态映射的应用至关重要,因此文中提出基于模块化的大规模本体映射方法。通过加权的基于距离和基于信息量的方法计算本体概念的相似度,利用改进的凝聚层次聚类算法对概念进行聚类,并以此抽取子本体,最后设计基于信息检索的技术发现异构本体中的相关子本体。该方法有效缩小候选匹配的搜索空间,达到减少时间复杂度的目的。实验表明,文中方法可在保证映射结果质量的同时提升映射效率。     

多Chord环境下基于规则的服务推荐

传统的服务发布和搜索难以支持语义表示和服务推理。针对该问题,提出一种基于概念划分和规则推理的服务推荐方法,通过服务分类本体的构建、Chord网络与服务分类本体的动态映射以及本体规则推理,动态生成服务推荐关系,实现服务的语义扩展查询以及对潜在需求业务的服务推荐。实验结果证明,该方法具有较高的查全率和查询效率。     

基于跨语本体重用的维语本体构建方法

针对维英本体共性知识的获取问题,提出一种基于跨语本体重用的快速构建维语领域本体方法。该方法将初始维语本体转换为英语本体,通过本体选择、映射和合并等过程对其丰富,达到一定阈值,转换为维语本体。提出了数据源势、本体势等概念和构建维语本体的数据模型。基于该方法构造了一个旅游领域本体实例,转换率达到78.8%,充分验证了该方法的可行性与有效性。     

基于分类的本体映射方法及映射工具实现*

介绍了本体和本体映射的概念,以及目前本体映射的主要方法.针对目前本体映射方法中存在的不足,提出了一种新的本体映射方法--基于分类的本体映射方法,解决了本体概念相似度计算量过大的问题,并实现了基于该映射方法的原型工具COMT,最后通过一个本体映射实例加以验证.     

一种基于背景知识的本体注释方法

本体采用基于语法词汇的表述方式,使本体自身表示可能存在模糊性、错误理解等问题,部分本体的概念可以通过自身的上下文信息推测出其含义,但是有些本体根据已有信息不能清晰表达其概念的确切含义.针对这个问题,提出基于背景知识的本体注释方法,对本体本身进行注释和澄清.包括基于WordNet和Web搜索引擎的注释方法,利用WordNet查找本体概念的正确词义,利用Web搜索引擎搜索本体概念的snippets,分别将词义和snippets作为其属性注释到本体中.实验表明本体注释率达到99.12％,表明本文方法的是可行的,本体注释正确率达到80.76％,比同类方法更高.     

基于二部图模型的大本体分块与映射方法

针对当前大本体分块与映射方法中的块边界信息丢失严重、块间匹配计算复杂等问题,提出一种基于二部图模型的大本体分块与映射方法。根据本体概念相似度在2个本体间建立带权二部图模型,对该二部图进行分割,实现本体的关联分块,在子图中求解得到二部图的最佳匹配,并通过映射修正获得块内实体映射。实验结果表明,该方法的分块质量与映射效率均较优。