基于相似度计算的本体映射优化方法

在基于相似度计算的本体映射中,相似度计算量大的主要原因是待映射概念和待计算属性过多。该文采用过滤策略,利用候选映射策略和信息增益策略减少待映射概念和待计算属性数量。该过滤策略充分利用本体特点和数据挖掘思想,有效滤除没有计算意义的概念和属性,减少了相似度计算量。实验结果证明,滤除的概念和属性对映射效果的影响很小。     

基于相似度计算的本体映射框架

本体映射是实现异构本体知识共享与互操作的有效手段。提出计算相似度的方法,考虑确定的映射对未进行计算的相关概念相似度的影响,并给出一种基于本体内定义的规则来验证映射结果的方法,在保证映射准确性的前提下,有效提高映射速度。除判别相等与相似的概念,还考虑映射概念的子类与超类关系。     

一种基于语义的本体概念相似度的计算方法

本体映射是实现异构本体互操作的有效方法,其关键技术在于概念相似度的计算.本文提出了一种概念相似度的计算方法,主要从概念名称、概念属性、概念关系来计算概念相似度,通过引入候选概念集和信息增益,提高了相似度的准确率,简化了相似度的计算过程.     

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。     

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.     

本体映射过程中的综合相似度计算

论文以相似度计算为基本思想提出一种综合相似度的映射算法。该算法首先利用wordnet进行语言层面上的相似度计算,在进行语言层面上相似度计算的同时考虑概念自身的微观结构（概念的密度和深度）。引入密度制约参数和深度制约参数。然后基于概念实例计算概念相似度,给出了本体的综合相似度计算方法。最后采用学术领域内的SWRC本体和医学领域内的Organ本体作为测试数据对该方法进行试验,并与Glue方法和S-math方法进行了对比。结果表明,该方法具有良好的效果。     

一种新的基于相似度计算的本体映射算法*

领域本体在知识的共享和重用方面起着重要的作用。本体映射是解决本体异构,在不同本体间建立语义关联的一种有效的方法。针对不同本体间的本体概念映射提出了一种新的概念相似度的综合计算方法,从本体概念名称、属性、结构和实例四个方面讨论本体概念的相似度,同时提出在涉及概念名称和属性名称时,使用其同义词扩展集参加计算,计算综合相似度时,分别用手工和自动的方法赋予权值。实验证明改进的算法提高了本体概念映射的查全率。     

基于语义Web的本体映射

本体映射是在使用不同本体的代理或服务之间实现互操作的核心工作。选择多种策略添加候选映射对,并使用多种相似度度量方法。这些度量方法都是基于本体的某种特征来计算,然后在本体专家的参与下,对根据各种特征计算的结果选择不同的权值,进行综合,最终结果体现出实体在各个层次上的相似度。这些层次包括实体层、语义层和描述逻辑层。     

基于语义Web的本体映射

本体映射是在使用不同本体的代理或服务之间实现互操作的核心工作。选择多种策略添加候选映射对．并使用多种相似度度量方法。这些度量方法都是基于本体的某种特征来计算，然后在本体专家的参与下．对根据各种特征计算的结果选择不同的权值，进行综合，最终结果体现出实体在各个层次上的相似度。这些层次包括实体层、语义层和描述逻辑层。     

本体相似度计算方法研究

MD3模型是一种系统的跨本体概念间相似度的计算方法,这种方法无需建立一个集成的共享本体。本文在MD3模型的基础上,充分利用本体对概念的描述信息,重点讨论了跨本体概念间非层次关系相似度的计算,把MD3模型扩展到EMD3模型,使得概念间相似度的计算理论上更全面、更精确。     

本体映射中相似度计算的改进

本体映射是一种常用的解决本体异构的方法,在本体映射过程中,概念相似度计算是重要的环节。针对目前概念相似度计算方法存在的不足,采用一种综合的方法进一步改善计算的过程,从本体概念的语义相似度、属性、实例、结构等方面计算概念的相似度。通过引入概念相关度以及属性论方法,寻找更加有效的概念相似度计算方法。最后的实验证明,此方法能适应不同规模的本体,并能提高概念对相似度的准确性。     

基于本体的概念相似度计算

概念相似度的计算是信息检索领域的研究热点。本体在信息检索和人工智能领域的广泛应用,为概念相似度计算带来新的方法。该文提出一种利用本体来计算概念间相似度的方法,综合考虑语义距离和本体库统计特征。加入概念的深度、语义重合度和概念间强度的辅助影响。实验结果表明,该方法对概念相似度的计算有效,可应用于面向Web的信息检索。     

基于相似度综合计算的本体映射方法的研究

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。     

一种综合的本体相似度计算方法

本体相似度计算是本体映射的关键环节.本体的实例、关系、属性、结构等信息是相似度计算需要考虑的重要因素.针对目前本体映射过程中相似度计算所存在的问题,提出了一种综合的相似度计算方法.首先判断不同本体之间是否存在相关性.若相关,则充分考虑各种相关因素,从语义和概念两个层面来进行比较,然后给出了本体的综合相似度计算方法.最后采用了两组测试数据对该方法进行实验,并与GLUE系统的概率统计方法进行了实验对比.实验结果表明,该方法能够有效确保相似度计算的准确性.     

改进的领域本体概念相似度计算方法

在领域本体中,概念间往往存在多条路径,现有的基于语义距离的方法只考虑最短距离的路径,不能完全体现出概念间的相似度。基于此,提出一种基于加权语义距离的概念相似度计算方法。该方法搜索出两概念间的所有路径,以所有路径的加权平均距离代替最短距离来计算相似度,并综合考虑节点深度、公共父节点对相似度的影响。实验表明,该方法计算出的概念相似度能够更准确地体现出概念间的相似程度。