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.     

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。     

大本体的分块与映射方法研究

在本体的映射研究中,现实本体或大本体之间的映射算法是研究的难点。该文提出一种针对大层次本体的映射方法。根据本体的结构和概念之间的语义距离,应用向量空间模式（VSM）将概念表示成多维空间中的点。在此基础上,应用聚类算法（CURD）对概念进行聚类,形成若干个语义上相对独立的块,在2个本体的块之间根据参考点建立映射关系。实验结果表明,该方法在测试数据集上能得到较好的映射结果     

基于模块化的大规模本体映射方法

映射效率对于动态映射的应用至关重要,因此文中提出基于模块化的大规模本体映射方法。通过加权的基于距离和基于信息量的方法计算本体概念的相似度,利用改进的凝聚层次聚类算法对概念进行聚类,并以此抽取子本体,最后设计基于信息检索的技术发现异构本体中的相关子本体。该方法有效缩小候选匹配的搜索空间,达到减少时间复杂度的目的。实验表明,文中方法可在保证映射结果质量的同时提升映射效率。     

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.     

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.     

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。     

基于数据场的大规模本体映射

针对已有的本体映射方法在处理大规模本体映射任务时效率和有效性较低的问题,文中提出了一个基于数据场的本体映射算法.该算法首先使用高效的相似度算法,建立本体中元素对另一本体的初始相关度;然后,利用数据场势函数引入周围本体元素对当前元素的影响,修正初始相关度,并最终确定本体间的相关子本体;最后,利用针对性的方法对上述相关子本体进行更有效的映射.实验结果表明,该算法可以在提高映射结果质量的同时保证较高的映射效率.     

一种面向语义网服务的本体映射框架*

本体的异构性阻碍了语义网服务的互操作。从解决语义网服务中本体的异构问题出发,同时考虑到目前的本体映射系统大多效率不高、映射结果不够准确的问题,提出了一种适用于语义网服务的本体映射方法及系统框架。该方法利用机器学习技术来提高本体映射的自动化程度,利用综合评判技术修正映射结果,以提高本体映射的准确率。采用OAEI 2007的基准测试数据集benchmarks进行实验测试,结果表明本系统的性能基本达到预期效果,能够有效地解决语义网服务中的本体异构问题。     

一种改进的本体相似度综合映射方法研究

为了解决本体映射方法中计算量大、方法单一的问题,提出本体相似度综合映射方法。首先分解合适的本体,将规模比较大的本体分解为小本体,以降低映射计算的时间复杂度;然后根据本体映射的启发规则筛选出候选概念集,对候选概念集进行基于世界知识体系的本体概念相似度计算,再进行语义相似度和结构相似度计算,并把这3种不同算法得到的相似度值进行加权综合,给出最终的本体概念相似度值,再根据该值进行本体映射;最后通过设计实验来验证算法的正确性与有效性,结果表明本方法能在提高映射效率的同时保证良好的查询效果。     

一种基于多映射的分布式本体融合框架

网络环境具有自治性、异构性和动态性等特征,Web上的本体奠定了语义共享的基础,本体映射是解决分布式本体异构问题的手段之一。本文在现有研究成果的基础上,提出了一种基于多映射的分布式本体融合框架,构建了基于多映射的融合连接列表,描述了融合算法,并以OAEI2006数据测试集中两个改进的会议本体为例进行了测试,证明了该方法对分布式本体进行智能融合的可行性和有效性。     

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。     

大规模本体分块与映射中一种新的块映射策略

现有的大规模本体分块与映射系统中大多采用基于参考点的块映射策略,映射策略比较单一,块映射质量不高.因此,提出一种新的基于本体块结构的块映射策略,通过重建本体块结构图来获取块与决之间在结构上的相似度,并将其和基于参考点的策略相结合,通过加权求和得到总的相似度.理论分析和实验结果表明,本文的方法块映射准确率高.     

一种基于同义词词林的中文大规模本体映射方案

本体映射是解决本体异构问题的重要途径和手段,中文知识是网络开放知识库的重要组成部分,但现有的中文本体映射系统在面对大规模本体映射任务时,显得效率较低且可用性不高,目前仍缺乏针对中文大规模本体映射的相关系统。为了解决中文大规模本体的映射问题,设计并实现了一个面向中文的大规模本体映射系统。首先,提出了一种基于拟核力场势函数的大规模本体压缩方法;其次,提出了一种基于同义词词林的中文概念等价关系确定算法;再次,实现了大规模中文本体映射的原型系统;最后,将本系统与相似度计算相关典型算法进行比较,证明其具备一定的可用性和较高的总体性能。     

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     

动态分块调节机制下的大规模解剖学本体匹配

传统的匹配系统采用固定分块的方式处理大规模解剖学本体,普遍存在语义信息的丢失,影响了匹配效果。为此,提出一种动态分块调节机制,将按匹配情况确定的实体不断地重新分配到目标块中,动态地调节各个分块,从而尽可能地保留语义完整性。此外,针对该问题计算复杂度高的特点,引入了紧凑进化算法对子匹配任务中的阈值以及进行实体重新分配的块标志位优化,并设计了一种精英解参与的概率向量更新方式对该算法进行改进。实验在OAEI(ontology alignment evaluation initiative)的Anatomy测试集上进行,验证了所提方法对匹配结果质量的提升。此外,和其他匹配系统的对比也展示了所构建匹配系统的先进性。     

基于本体分割的本体映射算法

映射效率对于Web服务发现和组合、智能空间上下文感知等领域的动态映射至关重要。现有方法对相似度计算方法加以简化来提升效率,但当候选匹配实体对的数目随本体的规模增大而急剧增加时,就无法有效地处理。文中提出一种基于本体分割的高效本体映射算法。通过自下而上的聚类,将本体划分为一组大小合适的本体块。然后基于向量空间算法进行块映射,并从块映射结果中选取实体映射的候选匹配对,从而削减其数量,达到减少时间复杂度的目的。实验表明,文中方法显著提升运行时本体映射的效率,比Falcon-AO本体映射方法快6倍。