基于语义Web的本体及本体映射研究概述

本体在语义Web中具有重要的地位，是解决语义层次上Web信息共享和交换的基础。文中介绍了本体的基本概念、描述语言及其在语义Web中的应用、本体映射的基本知识并综述了相关本体映射工程中的具体思想和方法。     

基于语义Web的本体及本体映射研究概述

本体在语义Web中具有重要的地位,是解决语义层次上Web信息共享和交换的基础.文中介绍了本体的基本概念、描述语言及其在语义Web中的应用、本体映射的基本知识并综述了相关本体映射工程中的具体思想和方法.     

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。     

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。     

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。     

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.     

基于语义Web的本体映射方法综述

本体之间的映射是语义Web发展中的一个重要问题。事实上,语义Web是由多种信息源组成的,每个信息源都以某个本体的形式表示。为了实现这些信息源的信息共享,就要用到本体映射方法。本文首先讨论了本体映射的三种体系结构。然后按照E．Rahm提出的分类标准,对现有的一些主要的本体映射方法进行归纳。最后,给出了4种方法的比较分析。从中可以看出各种独立匹配方法的组合将是一个极有希望的发展方向。     

语义Web中的本体自动映射

分布式语义信息集成足语义Web面临的六大挑战之一．本体映射是语义集成的关键．文章基于贝叶斯决策理论提出最小风险的本体映射模型;RiMOM（Risk Minimization based Ontology Mapping）．RiMOM将映射发现问题转换成风险最小化问题,提供了一个多策略的本体映射方法．该方法不仅在1：1的映射上取得了较好的效果,还实现了n：1映射,实验表明在几个公开的数据集上,RiMOM可以取得比同类方法更高的查准率和查全率．     

一种基于Swoogle 本体映射的改进算法

基于Swoogle 的本体映射关键步骤在于通过本体搜索引擎动态的获取多个背景本体。然而,目前该步骤却存在无法找到与某些概念相关联的背景本体,以及由于词义的模糊性搜集了错误的背景本体的问题。针对第一个问题,提出利用基于虚拟文档的映射技术,提取在WordNet 中与概念同义的同义词,把原先的对单个概念进行搜索转换成对同义概念集进行搜索,进而提高本体搜索面,获取更多背景本体;针对第二个问题,提出基于语义环境的动态本体映射的新映射方法,采用该方法来排除错误背景本体,使本体收集更加精确。实验显示改进后的方法有效的提     

基于参考点的大规模本体分块与映射

针对大规模本体映射中存在查全率和查准率不高的问题,提出了一种新的基于参考点的大规模本体分块与映射的方法.该方法的主要思想是用参考点来指导分块,并同时对待映射的两个大规模本体同时分块,即联合分块.首先对大规模本体进行预处理,将本体中的实体名称归一化并将其表示成本体树的形式,然后采用一些简便的方法找到参考点,最后以参考点为聚类中心对两个本体树的概念进行聚类,并同时实现块映射.理论分析和实验结果表明,该方法能够有效地解决大规模本体映射问题,并能获得较好的查全率和查准率.     

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.     

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。     

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UML类图的OWL本体映射方法

传统的本体构建在抽取关键观念和关系时,各领域专家的参与增加了构建领域本体的成本,限制了以领域本体为基础的语义两的发展和普及。针对该问题,通过分析UML类图和OWL的异同点,提出从现有UML模型中提取本体的概念、属性、关系、约束等领域知识并将其映射为OWL本体的方法,利用该方法将加油卡发行UML模型成功转换为OWL本体,从而实现本体创建的经济性和高效性。     

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。     

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。