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。     

本体复合映射研究

已有的本体复合映射算法中,绝大部分都只能发现基于字符串比较的简单类型的复合映射,查准率和查全率不高。提出一种基于结点间包含关系和等价关系发现复合映射的方法。实验证明,该方法可以发现本体中包含的绝大部分复合映射,较之现有的复合映射发现算法在查准率和查全率方面有了很大改进。     

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。     

本体映射的进化研究

本体映射的进化是本体研究中待研究的课题之一。本文首先给出本体和本体映射形式化定义,在此基础上讨论本体变化后的映射进化方法。将本体变化类型分为删除、增加、修改,针对不同的类型提出本体删除后的映射进化算法、本体增加后的映射进化算法和本体修改后的映射进化算法。实验结果表明该方法能基本解决本体映射的进化问题。最后指出算法中存在的挑战,并给出进一步研究的方向。     

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.     

语义Web中的本体自动映射

分布式语义信息集成足语义Web面临的六大挑战之一．本体映射是语义集成的关键．文章基于贝叶斯决策理论提出最小风险的本体映射模型；RiMOM（Risk Minimization based Ontology Mapping）．RiMOM将映射发现问题转换成风险最小化问题，提供了一个多策略的本体映射方法．该方法不仅在1：1的映射上取得了较好的效果，还实现了n：1映射，实验表明在几个公开的数据集上，RiMOM可以取得比同类方法更高的查准率和查全率．     

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.     

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。     

本体映射综述

作为不同本体之间知识共享和互操作的一种方法,本体映射受到越来越多的重视。根据本体映射过程将本体映射系统划分为五大功能组件,总结了本体映射系统中常用的相似度算法。通过梳理本体映射领域的最新发展成果,从不同层次、不同维度构建本体映射系统分类体系。 介绍并比较了一些经典的本体映射系统,并对这些本体映射系统进行评价。最后指出本体映射将面临的挑战。     

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。     

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。     

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。     

语义集成:本体映射方法研究

本体是客观世界知识的表现形式,随着语义Web研究的深入,研究者们构建了越来越多的本体,如何实现本体之间的知识共享和重用,成为了语义Web发展的关键。文中对本体映射的方法进行了研究,系统阐述了本体及本体映射的定义、本体映射中的相似度计算和本体映射框架等。如何减少本体映射中的人工干预,实现本体的半自动化或自动化映射将是该领域的发展方向。     

基于分类的本体映射方法及映射工具实现*

介绍了本体和本体映射的概念,以及目前本体映射的主要方法.针对目前本体映射方法中存在的不足,提出了一种新的本体映射方法--基于分类的本体映射方法,解决了本体概念相似度计算量过大的问题,并实现了基于该映射方法的原型工具COMT,最后通过一个本体映射实例加以验证.     

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。     

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.