基于多属性的本体实例匹配算法

提出一种基于多属性的本体实例匹配算法,利用关键性属性获得待匹配本体实例间的相似度,使用Similarity Flooding算法,依据由对象属性构成的有向图对实例间的相似度进行修正,并获得初始匹配结果,根据必要性属性过滤初始匹配中的错误匹配。实验结果表明,该算法可提高本体实例匹配的查准率与查全率。     

一种基于语言学特征的本体匹配改进算法

本体匹配通过发现领域内不同本体间元素的映射关系来解决本体异构的问题。该文主要通过对基于语言学特征的本体匹配相关算法展开研究与讨论后,提出了一种基于编辑距离、I-Sub算法和WordNet的综合性本体匹配算法,并设计了一个匹配框架对该算法进行实验验证。     

模块化思想在大规模本体匹配中的应用

本体匹配是解决语义异构,实现本体共享与重用的一种方法。但本体规模越来越大,为降低匹配空间,提出一种基于模块化思想的本体匹配框架。首先,使用预处理算法将待匹配本体转换成概念图;然后,改进了ROCK聚类算法,并使用该算法将概念图划分成若干高内聚低耦合的概念块;最后,根据Tversky模型,从概念的父、子、兄弟以及内涵4个方面计算块的匹配度,并标记块的重要概念,进行n∶m匹配。实验结果表明,提出的本体匹配框架能够均衡本体分块大小,提高匹配效率。     

一种基于人工免疫的本体匹配算法

针对目前本体匹配算法存在运行效率低和匹配准确度不高等问题,提出一种基于人工免疫的动态本体匹配算法,用来快速地从现有本体中筛选出用户所需的子本体。该算法根据用户行为信息构建抗原本体模型,利用情景匹配确定其领域上下文环境,然后通过结构匹配获得匹配度最高的本体,最后对本体执行语义匹配得到最终需要的子本体。实验表明,该算法提高了本体匹配的准确度和效率。     

基于路径特征的复杂本体匹配

复杂本体匹配方法主要分为基于匹配模式的方法和基于机器学习的方法,前者需要人工制定启发式规则而后者易陷入局部最优解。针对上述问题,提出一种融合匹配模式和机器学习的复杂匹配方法。引入路径特征刻画本体中实例具有的性质,路径特征是匹配模式的具体化。在此基础上,使用一阶归纳学习器组合路径特征得到复杂的匹配结果。实验结果表明,该方法可以自动学习到本体间的复杂匹配,且与基于一阶归纳学习器的复杂匹配方法相比,能够有效缓解局部最优问题。     

语义Web本体匹配算法研究

随着语义Web不断发展,本体数量不断增加。由于不同领域专家构建的本体存在不匹配的问题,需要对本体进行匹配、合并和比较。本体匹配作为其他工作的基础,具有十分重要的意义。本文提出了一种基于实例的本体相似度计算方法,该方法为每个概念结点增加虚拟实例,并综合考虑了本体的结构特点,使用Word．Net调整相似度。我们把该方法运用到PROMPT本体匹配算法中,通过实验得到了较好的准确率和查全率。     

一种基于马尔科夫网的本体匹配算法

概率模型是解决不确定性推理和数据分析的有效工具。针对本体匹配的不确定性,提出一种基于马尔科夫网的本体匹配改进算法。采用多种传统匹配算法计算相似度矩阵,改进相似度传播规则,添加2种结构稳定性约束规则和1种Disjoint一致性约束规则,定义其对应团的势函数。根据相似度矩阵和上述规则,给出马尔科夫网的构造方法,使用循环置信度传播算法计算随机变量的后验概率,依据后验概率得到最后的本体匹配结果。在OAEI2010数据集上进行实验,结果表明,与iMatch本体匹配系统相比,该算法能有效降低概率模型的复杂度,提高本体匹配的准确率和召回率。     

改进的本体匹配算法

传统的利用本体结构信息对本体做匹配的方法,并未充分利用本体的树形结构特点,致使整个本体匹配的匹配过程具有大量的冗余计算。因此,提出一种改进的基于本体树形结构的本体匹配算法TARA。该方法首先严格地以本体的树形结构为依据进行本体匹配,然后通过二次匹配来解决由于严格按照树形结构进行匹配而产生的不可避免的不足。实验结果表明,TARA方法的查全率和准确率都有较好的表现。     

网格服务本体匹配算法研究

由于网格具有动态异构等特点,传统的基于属性的精确匹配方法不够灵活,并且扩展性差.将本体论的思想和方法引入到网格服务集成环境中,建立了基于本体的网格服务匹配系统结构,分析了基于语义上下文的领域匹配算法和领域内的服务匹配算法,从而实现了一种应用本体、基于语义的服务匹配机制.实验结果表明,提出的算法具有可接受的服务匹配时间、较高的匹配成功率和较强的获取网格服务的能力.     

一种基于本体的主体服务快速匹配算法

分析了目前主体服务匹配中存在的问题，研究了目前主体服务匹配算法效率低的原因。为了提高主体服务匹配的效率，提出了主体服务本体的概念，研究了如何根据主体服务本体来组织主体服务，提出了一种基于本体的主体服务快速匹配算法，从理论上分析了该服务匹配算法的性能特点，并用仿真实验验证了该服务匹配算法的有效性。     

RiMOM: A Dynamic Multistrategy Ontology Alignment Framework

Ontology alignment identifies semantically matching entities in different ontologies. Various ontology alignment strategies have been proposed; however, few systems have explored how to automatically combine multiple strategies to improve the matching effectiveness. This paper presents a dynamic multistrategy ontology alignment framework, named RiMOM. The key insight in this framework is that similarity characteristics between ontologies may vary widely. We propose a systematic approach to quantitatively estimate the similarity characteristics for each alignment task and propose a strategy selection method to automatically combine the matching strategies based on two estimated factors. In the approach, we consider both textual and structural characteristics of ontologies. With RiMOM, we participated in the 2006 and 2007 campaigns of the Ontology Alignment Evaluation Initiative (OAEI). Our system is among the top three performers in benchmark data sets.     

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。     

大规模本体分块与映射研究

针对当前在大规模本体映射方面存在的不足,提出一种新的基于遗传算法的大规模本体分块与映射方法.首先,对本体进行预处理,把本体表示成有向无环图,将本体分块问题转换成图分割问题.然后采用基于遗传算法的GPO( Genetic-Partition-Ontology)算法对有向无环图进行分块,该算法不需要输入分块个数;最后利用基于本体块结构和基于参考点相结合方法找到正确的块映射.理论分析和实验结果表明,本文提出的映射方法能取得很好的结果.     

基于数据场和全局序列比对的大规模中文关联数据模型

目前关联数据的研究工作主要集中在实例级别上展开,而在模式级别(Schema-Level)上的关联数据构建则易被忽视。本体映射是解决本体异构问题的重要途径和手段,同时,本体映射也可视为模式级别关联数据构建的典型情景。特别是在中文知识库方面,中文知识是关联数据网中的重要组成部分,但现有的中文本体映射系统在面对大规模本体映射任务时,显得效率较低且可用性不高,目前仍缺乏针对中文大规模本体映射的相关系统。为了解决在模式级别上的中文大规模关联数据构建问题,提出了一种新的基于数据场和序列比对思想的大规模中文关联数据构建模型。首先,基于改进的融合概念相似度和相异度的拟核力场势函数对大规模中文本体映射规模进行约简和压缩;其次,通过引入序列比对算法,对组合概念进行相似度的度量;最后,将本系统与相似度计算相关典型算法进行比较,表明其具备一定的可用性和较高的总体性能。
     

基于本体相似度的构件查询算法研究

为了解决语义网环境下构件查询的查全查准率问题,本文提出了基于本体相似度构件查询算法。首先介绍了本体的形式化定义和构件的刻面描述方法,用本体语言(OWL)对构件本体进行形式化的描述;然后针对本体的概念相似度理论和构件刻面匹配度公式存在的不足,用构件本体的概念相似度代替公式中的匹配度,对构件刻面匹配度公式进行改进和分析,提出了本体相似度构件查询算法;算法通过计算查询树和构件树各子刻面本体概念的RDF描述相似度和RDF图结构相似度,再由构件本体相似度匹配公式进行相似度的比较,检索出相似度高的构件。实验结果表明,该算法具有理想的查全查准率。     

Ontology selection ranking model for knowledge reuse

Ontology reuse is recommended as a key factor to develop cost-effective and high-quality ontologies because it could reduce development costs by avoiding rebuilding existing ontologies. Selecting the desired ontology from existing ontologies is essential for ontology reuse. Until now, much research on ontology selection has focused on lexical-level support. However, in these cases, it is almost impossible to find an ontology that includes all the concepts matched by the search terms at the semantic level. Finding an ontology that meets users’ needs requires a new ontology selection and ranking mechanism based on semantic similarity matching. We propose an ontology selection and ranking model consisting of selection standards and metrics based on better semantic matching capabilities. The model we propose presents two novel features different from previous research models. First, it enhances the ontology selection and ranking method practically and effectively by enabling semantic matching of taxonomy or relational linkage between concepts. Second, it identifies what measures should be used to rank ontologies in the given context and what weight should be assigned to each selection measure.     

改进的大规模本体分块与映射方法

针对当前大规模本体映射分块结果不精确的问题,提出一种改进的大规模本体分块与映射方法。对本体进行预处理,把本体表示为有向无环图,将本体分块问题转换为图分割问题。采用基于遗传算法的GPO算法对有向无环图进行分块,利用基于本体块结构和参考点相结合的策略找到正确的块映射。实验结果表明,改进映射方法的分块与映射质量较优。