基于概念属性实现本体一对多映射算法研究

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一对一的映射,而很少有人从事概念间一对多或者多对多的映射研究工作。然而对于一些复杂的应用,仅仅是概念之间的一对一映射是不充分的。因此该文对本体一对多映射进行研究,提出一种实现一对多映射方法。该方法采用集束搜索算法查找比配候选集,并用概念属性进行相似度的计算。     

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。     

本体映射的进化研究

本体映射的进化是本体研究中待研究的课题之一。本文首先给出本体和本体映射形式化定义,在此基础上讨论本体变化后的映射进化方法。将本体变化类型分为删除、增加、修改,针对不同的类型提出本体删除后的映射进化算法、本体增加后的映射进化算法和本体修改后的映射进化算法。实验结果表明该方法能基本解决本体映射的进化问题。最后指出算法中存在的挑战,并给出进一步研究的方向。     

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。     

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.     

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。     

本体映射中结构策略改进算法

相似度传播是本体映射中结构策略的实质内容。然而,目前的相似度传播算法却没有对相似度传播值进行合理的定量分析。针对此问题,提出了基于概念信息量的相似度传播算法,该算法根据已匹配节点的概念信息量大小来判断其子父节点匹配概率大小,通过匹配概率大小调整相似度传播值,从而进行更精确的相似度传播,提高结构策略的可信度。理论分析与实验结果证明了该算法是有效的。     

基于概念相似度计算的多策略本体映射方法

针对本体异构问题,提出基于概念相似度计算的多策略映射方法。选择过滤候选概念集及信息增益计算策略,缩小概念范围,减少计算量。计算时采用基于名称、概念属性和概念关系策略,并综合考虑实例相似度和结构相似度,通过赋予权值进行相似度合并,最终得到准确而完整的映射对。实验结果表明,该方法总体映射效果良好。     

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,手工设置映射关系不仅消耗时间而且不准确,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发现策略,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,从而提高映射发现的查全率和准确率;同时利用本体中丰富的语义知识去筛选候选数据,从而降低映射方法的算法复杂度.实验证明该方法是有效的.     

利用共用本体构造本体映射

一些代理机语言使得代理机能够理解代理机之间传递的信息的内容和潜在含义。交互中用到的信息载体是本体,由于本体是多种多样的,而且不同的本体对于同一个事物的描述是不一样的,这就阻碍了代理机之间的交互,这个问题被称作交互问题。文中提出共用本体的概念,建立通用的本体体系,首先建立本体与通用本体之间的映射,然后构建两个或两个以上异构本体之间的映射。实验表明,此方法不仅能够解决结构异构问题,也能解决语义异构问题。     

语义网中的本体映射研究

本体映射的关键是概念相似度的计算。本文提出的方法从三个方面来计算这一相似度,首先计算概念的语义相似度,其次计算概念描述相似度,最后计算邻近层次概念的相似度。     

一种基于片段映射的本体映射模型

在大规模本体映射中,不相关元素的匹配可能造成时间和空间的浪费。本文提出了一种基本片段映射的映射模型,将本体分解后进行片段映射。这种方法可以提高大规模本体的映射效率,并能有效发现m-n映射关系。     

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。     

基于本体结构的概念间语义相似度算法

针对本体模型的结构特点,从模型概念间的宽度、深度、密度等方面分析本体概念相似度的计算,将其合并为结构因素。结合语义重合度、语义距离等影响相似度的因素综合考虑,提出一种基于本体结构的计算概念间语义相似度的算法。通过建立本体模型并进行实验分析,总结出本体结构方面各因素对本题概念语义相似度的影响。     

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。     

基于Top-k映射的本体匹配方法

针对本体之间的异构问题,提出一种基于Top-k映射的本体匹配方法。该方法是对现有匹配方法的一种扩展,它以相似度计算为基础,从元素级和结构级计算2个概念之间的相似度,并在匹配过程中同时产生k个映射而不是一个最佳映射。实验结果表明,该算法在查全率和查准率方面都有很好的表现,并且其查准率要优于GLUE方法。     

基于树结构的本体概念相似度计算方法

随着本体在数据集成方面的广泛应用,面向本体的概念相似度计算成为人们关注的热点问题.针对当前领域本体概念相似度的计算过程都比较复杂的问题,提出一种基于树结构的本体概念相似度的计算方法.该方法通过添加和重组虚拟节点重构本体树,再通过属性比较映射对象,最后通过计算,得到本体概念的语义相似度结果.实验结果表明,该方法有效利用了本体概念的语义信息,得到了合理的计算结果,并简化了计算过程.