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     

本体映射的方法在汽车领域的应用

本体映射是本体集成的一个关键环节.本体映射是实现不同本体之间共享和交流的基础,为相似或不同应用领域间的知识共享铺平道路,方便知识的获取.介绍了两个汽车领域本体之间进行映射的一种方法,该方法使用了基于语法匹配的方法并利用实例信息确定所映射的概念.最后结合了具体的例子来说明了核心算法.     

相似本体间属性映射方法的研究

在以往的本体映射技术的研究中，大多数的研究都集中于本体中的概念间的映射，而很少有人从事概念间属性映射的研究工作。然而对于一些复杂的嘘用，仅仪是概念之间的映射是不充分的。例如通过指定属性的约束条件来检索实例，就需要发现属性间的映射关系。另一方面，目前的很多本体映射方法都存在准确率低，启发信息少的问题，而属性间的映射关系可以被应用在辅助概念映射上边。所以希望能够将属性映射同概念映射集成，以达到更好的映射效果。因此该文对相似本体间的属性关系进行了研究，并在此基础上提出一种基于本体的属性映射方法。     

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。     

本体映射概念及方法的研究

本体映射是本体集成的一个关键环节.构建本体映射是分布式环境下实现不同本体之间共享和交流的基础性工作.本文首先通过举例分析了本体映射的概念,再从映射的构建思路和具体实现的角度对本体映射的方法进行了总结,最后分析了现在本体映射存在的问题和可能的研究前景.     

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.     

基于参考点的大规模本体扩散映射算法

目前针对大规模本体映射大多采用先分块,再在分得的小块间进行块内映射.但是,对大本体进行分块,以及对相关小块的映射操作会增加很大的开销.本文采用基于参考点的扩散映射算法,通过小模块快速获得参考点(在名称上相似的概念),利用访问局部性原理,通过比较参考点附近的邻居概念,逐渐向其邻居扩散映射.根据邻居概念的映射情况检查参考点是否为错误映射,且映射的邻居概念成为新的参考点.然后对新的参考点迭代进行扩散映射,直到所有概念都扩散完毕或者找不到新的参考点为止.显然,该方法把候选映射概念集始终限制在参考点附近,极大的减少了映射的时间复杂度.本文算法支持从目标本体到源本体的1:n映射;支持参考点的自动生成;带冲突避免的映射操作能同时提高映射效率和质量.     

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。     

本体映射方法研究

本体集成是为了解决不同本体之间的共享和交流,其中本体映射是本体集成的一个关键环节。在以往的系统中,本体映射通常是由手工实现的。目前的研究都是朝着实现本体映射的自动或半自动化方向努力。文章对目前本体映射的方法进行了分类,针对本体定义模型,提出了基于语法、基于实例、基于定义、基于层次结构的分类。针对具体映射实现技术。提出了基于规则、基于统计学、基于机器学习的分类。并对每种方法进行了详细描述。这项研究工作可以作为人们提出新的映射方法或者组合的映射方法的一个参考。     

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.     

基于覆盖聚类的大本体分块映射研究

在本体映射的研究中,本体分块映射是完成大规模本体映射任务的主要方法。但是目前本体分块方法存在以下不足：分块大小不适合映射,分块质量依赖于预先给定的参数。针对这些问题,综合分块的内聚与耦合程度,作为分块指标指导分块过程,改善分块及映射的质量,并重新设计了基于覆盖聚类的本体分块映射的方法,使分块不依赖于参数。实验结果显示,改进的方法对大本体分块映射问题是行之有效的。     

基于Stacking方法的多策略本体映射*

将概念相似度的计算问题看做分类问题,提出一种基于Stacking方法的多策略本体映射框架;利用Stacking方法组合多种概念相似度算法,进而提出基于Widrow-Hoff理论的元数据分类算法LMSMC。该框架中,第0层分类器使用各种概念相似度算法对源本体进行分类,第1层分类器使用LMSMC算法对元数据进行分类,从而实现组合多种算法的本体映射。实验表明该方法比单独使用相似度算法在查全率、查准率上均有所提高。     

Variable weight semantic graph‐based ontology mapping method

The mapping method that is based on the name and structure of the ontology elements is the strategy used in most mapping methods. Methods using the name often only use the similarity between the individual elements in the ontology to predict the semantic relations between two ontologies, while the latter measure the mapping between two ontologies by means of the structural relations between the elements. The effects of these two kinds of mapping strategies are not ideal. Addressing this issue, the work presented in this paper proposes an ontology mapping approach, in which the ontology element name and structure are combined. It uses the approaches based on linguistics and distance to generate a variable weight semantic graph. On this graph, the similarity of element names and structure are calculated through iterative computation. In the process of iteration, similarity result values are constantly adjusted. The approach avoids the problem of single methods that cannot use the entire amount of ontology information; therefore, it provides a more ideal mapping result. For making full use of the message of ontology, our implementation and experimental results are provided to demonstrate the effectiveness of the mapping approach.     

异构本体集成中基于视图的映射方法*

对现有本体映射方法进行比较和分析后,提出了一种基于视图的映射方法。本体视图实际上是对本体的抽取,即本体的一种应用模式。作为对用户知识的反映它不仅增加了本体映射的可理解性和清晰性,同时也简化了用户对信息的检索。通过构造本体视图间的双向映射关系,既保证了信息查找和定位准确、高效,又提高了映射关系的可扩展性,使本体映射更适合动态变化的信息环境。     

本体映射中一种综合的概念相似度计算方法

本体映射是实现异构本体间互操作的有效方法,其核心环节是概念相似度的计算。针对传统概念相似度计算方法中存在的不足之处,提出了一种综合的概念相似度计算方法——DISS模型。该算法从概念定义、概念实例、概念结构三个方面计算相似度。实验证明,该算法改善了传统计算方法中存在的片面性和不完善性问题,提高了本体映射的查全率和查准率。     

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。     

一种模块化的多策略模糊本体映射方法*

通过分析模糊本体的特点,并结合模块化和多策略映射的优点,提出了一个面向语义Web的模糊本体模型,并针对该模型提出了一种模块化的多策略本体映射方法,以提高模糊本体映射的效率和准确率。最后对映射结果进行融合并采用迭代矫正的方法进行修复,使得映射结果更加准确可靠。     

动态多策略本体映射与集成方法研究

针对目前多策略本体映射中各种映射策略不能根据待映射本体间的差异进行不同的映射处理、多策略集成时也没有充分利用本体包含的语义信息等问题。提出了一种动态多策略本体映射与集成方法,该方法首先对部分关键策略进行了动态地改进,然后利用层次分析法对不同的映射策略进行集成,从而得到最终的映射结果。实验结果表明,该方法在保证通用性和稳定性的同时,提高了映射结果的查全率和查准率。     

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。