基于上下文仲裁的语义异构解决方案

基于本体的语义信息集成主要解决分布异构的数据源之间的模式级异构和部分数据异构(包括同义字和同音异义字)。在基于本体的语义信息集成的基础上引入上下文机制来全面解决异构数据源之间的语义异构,弥补了基于模式映射的语义信息集成的不足,具有较好的适应性和扩展性。     

信息集成中语义异构问题研究*

为了对多个分布异构的数据源进行无缝访问必须解决数据源之间的语义异构。分析了三个层次的语义异构,即模式异构、上下文异构和个体异构,并重点给出了消除上下文异构和个体异构的解决方法。针对已有语义信息集成片面解决三个层次语义异构中的一种的现状,提出了一个语义信息集成的体系结构,能够全面解决三个层次的语义异构。     

信息集成中上下文知识的描述与推理

基于本体的语义信息集成主要解决了异构数据源之间的模式级异构,但对于分布环境下普遍存在的上下文异构无法解决,这导致用户从信息集成系统得到的结果仍然存在语义异构。针对这种不足,本文提出了一种上下文知识的形式化描述和推理机制,并将这种上下文机制引入基于本体的语义信息集成中,同时对其进行扩展,使得扩展后的语义信息集成系统可以自动检测和消除上下文语义异构,从而形成了完整的语义异构解决方案。     

语义信息集成中基于等价类的上下文转换

基于本体的语义信息集戍能够解决分布数据源之间的模式级语义异构,而对于广泛存在的上下文语义异构却无法解决.为了解决上下文异构,提出一种将暗舍的上下文语义进行形式化描述的方法,并对于上下文异构中的表示异构提出一种基于等价类的上下文转换方法,该方法避免了已有转换方法需要反复定义大量映射和进行复杂推导的缺点,具有灵活、简单、易于扩展的特点.     

语义信息集成中格式异构解决方案

基于本体的语义信息集成能够解决分布环境下异构数据源之间的模式异构,而对于广泛存在的上下文异构却无法解决。由于上下文异构是暗含的语义,无法为信息系统俘获和理解,要解决上下文异构,必须将上下文语义进行形式化描述。本文首先提出了一种将暗含的上下文语义进行形式化描述的方法,然后在此基础上提出了一种基于元数据格式表示的上下文转换方法来解决上下文异构中的格式异构。该方法避免了已有转换方法需要反复定义大量映射的缺点,提高了上下文转换的灵活性、适应性和扩展性。     

语义信息集成中基于星型模型的上下文转换

在分布异构的数据源之间不仅存在模式异构,而且存在上下文异构.解决上下文异构的核心问题是在不同的上下文之间进行转换.已有的上下文转换方式需要手工预定义大量转换函数,而且缺乏灵活性和扩展性,很难维护.本文提出的基于星型模型的上下文转换方式根据同一上下文类型内部不同上下文取值之间具有函数关系的特点,极大地减少需要预定义的转换规则的数量,同时获得更好的灵活性、扩展性,易于维护.     

基于Web Services的语义异构数据集成设计与实现

高校在信息化建设过程中积累了大量异构、异质的数据源,如何将这些异构数据源中相关的数据资源进行有效整合是当前急需解决的问题.为此,提出了一种新的基于Web Services的异构数据集成解决方案,利用Web Services技术在异构数据集成中的优势,采用虚拟数据库法设计思想,通过设计领域字典表及字段映射表,有效地解决了异构数据集成中最难解决的语义异构问题,并从数据模型转换、全局查询等方面阐述了该方案的可行性.实验结果表明,该方案具有可用性和高效性.     

信息集成中冲突的语义解决方案

在集成异质异构的信息系统时,系统间会出现大量的冲突。对可能的冲突进行了整理,列举出5大类冲突,并进行了深入分析。在此基础之上,提出了采用语义技术的完整解决方案,以消解各个层次的冲突。     

基于信息语义的异构信息集成方法

在系统集成的过程中，异构信息资源给人们信息共享、处理造成了困难，而异构信息中的语义表示方法一直是一个难点。该文采用基于信息语义的定义方法，提出一个以语义为核心的信息模型，给出异构信息系统集成的一种解决方法。     

一种基于上下文的语义映射方法

提出了一种基于上下文的语义映射方法SM-Context (semantic mapping based on context).SM-Context首先为本体模型中的概念找出表示其语义信息的上下文,然后采用谓词逻辑的形式表示概念的上下文,最后将本体映射问题转换成命题可满足性问题(SAT),并通过推理方式建立本体之间的语义映射关系.为了验证所提方法在处理本体映射问题时的可行性与有效性,采用OAEI所提供的共享数据集来测试SM-Context.实验结果表明,SM-Context可以有效地利用概念的上下文为本体之间建立语义映射关系.     

Resolution of Semantic Heterogeneity in Database Schema Integration Using Formal Ontologies

This paper addresses the problem of handling semantic heterogeneity during database schema integration. We focus on the semantics of terms used as identifiers in schema definitions. Our solution does not rely on the names of the schema elements or the structure of the schemas. Instead, we utilize formal ontologies consisting of intensional definitions of terms represented in a logical language. The approach is based on similarity relations between intensional definitions in different ontologies. We present the definitions of similarity relations based on intensional definitions in formal ontologies. The extensional consequences of intensional relations are addressed. The paper shows how similarity relations are discovered by a reasoning system using a higher-level ontology. These similarity relations are then used to derive an integrated schema in two steps. First, we show how to use similarity relations to generate the class hierarchy of the global schema. Second, we explain how to enhance the class definitions with attributes. This approach reduces the cost of generating or re-generating global schemas for tightly-coupled federated databases.     

XML和RDF异构数据源的语义集成和检索

提出一种基于Schema的数据管理框架。该框架利用分层式的体系结构和全局视图(GAV)的集成方法,对分布式的异构数据源XML和RDF进行语集成。讨论了分层式体系结构的组成、映射过程和查询处理。实验结果表明了该框架的可行性。     

基于本体的电力信息系统的语义集成研究

在语义网以及OWL等本体技术的基础上，构建了一种新型的信息集成系统（EOSIS）来实现电力企业信息的集成、语义连接及推理。其中包括EOSIS的业务需求分析、集成策略以及系统结构。EOSIS不同与现有的集成系统之处在于，它可以支持支持概念和对象的多维查询及导航、隐含业务信息推理、领域概念、事实的动态增加等功能。     

基于本体的异构数据集成框架

针对电力系统数据集成中存在的语义异构问题,提出一种基于本体的数据集成框架。依据电力参数估计系统的数据需求模型,分析数据集成存在的语义冲突类型,在传统数据集成框架的数据集成中间件模块中加入本体语义描述模块。采用本体描述信息资源域中的概念,通过实现语义冲突主动发现并构建语义映射关系。实验结果表明,该框架能有效解决数据集成过程中的语义异构问题。     

视频语义上下文标签树及其结构化分析

视频内容具有非常强的时间关联和逻辑结构,镜头语义是视频内容理解的基本单元。 从符合人类认识理解视频内容的角度来看,镜头语义之间隐含着时间上、语义上、结构上的多种 上下文关联信息。合理地描述这种上下文信息至关重要。为此,首先采用一棵带有上下文标签的 标签树作为镜头语义上下文层次结构的表征模型,以序列化的镜头语义序列为底层叶节点,以内 节点的上下文标签表征镜头语义间的上下文关联,其树形结构与视频内容层次化表征形式一致, 能为视频内容理解提供显著的信息增益。然后,着眼于解决镜头语义从其序列结构向标签树的层 次结构转化,采用结构化支持向量机的分析方法,根据镜头语义序列和视频语义上下文标签树的 联合特性构造了语义上下文结构化函数和损失函数,实现了镜头语义的结构化分析。实验结果表 明,视频语义上下文标签树在时序性、层次性、领域性、逻辑性等方面具有良好的表征能力,而 基于结构化支持向量机的结构化分析方法在镜头语义上下文分析的准确率、召回率及F1 值表现 良好。