基于本体相似度计算的研究

语义异构问题已成为目前异构数据集成领域的研究热点,本体由于其自身的优势而被用于解决语义异构。该文讨论了基于相似度的本体映射方法,着重介绍了基于语法距离、基于WordNet语义字典以及基于结构的相似度计算,最后提出了本体映射生成算法,旨在解决语义异构中本体映射问题。     

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。     

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。     

基于本体语义映射的数据集成机制研究

数据集成的难点是如何解决数据之间的语义异构问题,本文利用本体在语义集成上的优点,提出了一种基于本体语义映射的数据集成框架。根据本体概念的定义及其结构,给出了一种本体语义映射算法,该算法通过属性集合间的比较确定概念语义关系,在计算概念相似度时,考虑了概念名称、概念属性集合和相关概念的语义信息。最后通过概念的属性集映射算法和概念映射算法实现了本体语义映射,从而重点解决了数据集成中的语义映射问题。     

异构数据语义集成中本体映射研究

异构数据集成的要解决的关键问题之一是异构数据源的语义异构.为了解决语义异构,实现语义集成,本文利用"本体"描述异构数据,并提出一种通过WordNet词典、Google距离等多种方法综合计算本体概念相似度的方法,实现了半自动化本体映射.     

一种基于Ontology的异构数据库语义集成方法

随着数据的大量增加,数据之间的结构异构和语义异构成为数据集成的重点与难点。本文利用Ontology语义集成上的优点,提出了一种基于Ontology的异构数据库的语义集成框架,并提出采用基于概念名称语义相似性、属性类型相似度和实例相似度的语义映射方法来重点解决语义集成中的映射问题。     

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。     

本体中概念相似度的计算

本体是概念、属性和关系的集合。本体异构是本体间互操作的主要障碍,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,但计算时一般不考虑关系和属性对相似度的影响,计算结果存在误差。论文从两个方面对概念的相似度进行计算。首先计算概念的语义相似度,然后计算概念描述相似度。实验表明该计算方式可以提高计算结果的精确度。     

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.     

中文本体映射研究与实现

本体间的异构是语义网建设亟待解决的问题,本体映射则是解决本体异构的有效手段。中文资源是信息网络的重要组成部分,实现中文本体间以及中文与其他本体的映射是实现知识共享重用的一个重要组成部分。本文从元素层的角度对中文本体映射进行了研究,提出利用知网,结合多种技术计算词汇相似度,利用词汇的相似度计算概念匹配的可信度,实现元素层本体映射的算法,并根据此算法实现了ELOMC(Element Level Ontology Matching for Chinese)系统。     

面向Web零件库的零件簇本体映射研究

时零件本体的异构问题进行讨论,给出零件本体的定义和映射过程模型.提出一种结构--特性本体映射算法来解决零件本体异构问题,该映射算法由结构相似性算法和零件特性相似性算法组合而成.以查全率和查准率为目标.通过实例分析说明该方法的有效性.     

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。     

基于广义信息的关系映射方法研究

为了解决Web服务发现中存在的本体异构问题,研究了基于本体概念及属性的简单本体映射。在已有本体映射方法的基础上,通过引入广义信息的概念,提出了一种针对关系映射的改进方法,将简单映射扩展成复杂映射,并使用广义信息中的广义熵概念优化了相似度计算的方法,剔除了其中不相关的计算。实验结果表明,该方法在不影响查全率和查准率的前提下大幅度地提高了时间效率。     

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。     

移动用户兴趣点标记语义映射方法

针对当前移动用户兴趣点标注没有统一的语义本体这一问题,通过对移动用户兴趣点分类,建立了 POI概念本体层次树,将用户标注的POI信息与本体树节点通过一种改进的映射方法建立映射关系,为移动用户标注信息提供统一的规范化语义。实验收集多名志愿者5周的真实标注信息来评价该方法,实验结果表明该方法具有较高的准确率。     

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。