一种新的基于树分割的本体映射算法

在进行本体映射时,由于现有映射算法的不足和本体固有的复杂性,映射的效率仍然不高.本文提出一种基于树分割的本体映射算法,首先根据本体的结构将本体树分割成不同粒度的子树集,然后在各子树之间运用子树映射算法进行映射.理论分析和实验结果证明,本文提出的映射算法在保证映射查准率和查全率的同时,较之现有的映射算法在效率方面有了很大改进.     

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。     

基于匿名消息广播的电子选举方案

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。     

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.     

基于三角数模糊层次分析法的本体校正映射研究

传统的多策略映射方法一般依据经验给各个子策略赋权重,缺乏理论依据性,并且精确度不高。提出基于模糊层次分析法的本体映射算法。该算法用三角模糊数层次分析法解决多策略参数赋值问题,同时根据OWL语法特点,引入映射校正规则,有效地提高了映射精度。仿真实验的结果表明,基于三角数模糊层次分析法的本体校正映射算法能有效提高映射查准率和查全率。     

通过混合多目标优化算法优化本体映射结果

提出采用混合多目标优化算法以解决优化三类不同的相似度度量技术(基于语法学的相似度度量,基于语言学的相似度度量和基于分类学的相似度度量)的映射结果集成的问题.比起传统的基于遗传算法的方法,本文提出的方法能够同时实现三个目标,即最大化映射的查全率recall、查准率precision和f-度量f-measure值,获取的本体映射结果能够避免对于查全率或是查准率的偏好.实验结果表明本文提出的方法是有效的.     

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。     

基于领域学习的本体映射方法

在语义数据集成中本体映射是关键,手工设置映射关系不仅消耗时间而且不准确,需要使用本体映射工具自动发现这种映射关系.在现有本体映射方法的基础上提出了基于领域学习的映射发现策略,可以从领域知识中发现复杂映射的规则,增加映射时的实例数据,从而提高映射发现的查全率和准确率;同时利用本体中丰富的语义知识去筛选候选数据,从而降低映射方法的算法复杂度.实验证明该方法是有效的.     

基于映射的实例转换研究

本体映射可以有效解决异构本体间的互操作问题。在本体映射的研究中,已经存在很多建立映射的方法和工具,但针对如何应用本体映射完成特定任务的研究却很少。探讨了本体映射的应用模式,提出一个基于映射的自动实例转换框架（MAIT）,并展示了相关的转换算法。该框架可以在基于本体的环境（如：语义Web）中将源本体的实例自动转换为目标本体的实例。实验结果表明提出的框架和算法是可行的,也是有效的。     

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。     

多策略概念相似度计算方法LMSW

本体映射是语义集成的关键,国内外对本体映射进行了深入的研究。将机器学习的方法引入到组合概念相似度的权值计算中来,提出了基于Widrow-Hoff理论的权值确定算法LMSW。通过梯度下降法来搜索最佳拟合训练样例的权向量,从而计算出组合的概念相似度,最终实现组合多种概念相似度算法的本体映射。实验表明该算法比单独使用概念相似度计算方法在查全率、查准率上均有所提高。     

基于领域学习的本体映射方法

在语义数据集成中本体映射是关键,手工设置映射关系消耗时间并且不准确,需要使用本体映射工具自动发现这种映射关系。在现有本体映射方法的基础上提出了基于领域学习的映射方法,可以发现本体中概念之间的映射关系,可以从领域知识中发现复杂映射的规则、增加映射时的实例数据,提高映射发现的查全率和准确率。实验结果验证了算法的有效性。     

本体复合映射的发现技术

为了提高本体映射的精度,往往需要考虑1：1,1：n,n：m等多种不同情况。以往的算法主要考虑1：1映射,忽略了同样重要的复合映射问题。损失了映射的精度。针对该问题,提出一个基于多种关系的复合映射发现算法。实验证明,该算法在对复合映射的发现问题上非常有效,提高了映射结果的精度。