基于本体概念相似度的语义Web服务匹配算法

通过定义本体中概念之间的语义距离来计算本体概念之间的相似度,提出一种基于该相似度的Web服务的精确匹配算法,新的算法与经典的OWL-S/UDDI匹配算法比较,不仅在等级上保持一致,而且使同一等级或不同等级之间的服务匹配都达到精确的程度。用GEIS系统中Web服务的数据进行两种算法的性能测试,得出相似度匹配算法的平均查准率是OWL-S/UDDI匹配算法的1.8倍,平均查准率是OWL-S/UDDI匹配算法的1.4倍。

非ISA关系在本体概念相似度计算中的度量方法研究

在本体概念相似度计算过程中,关于本体概念间非ISA关系的处理方法较少。针对本体中存在非ISA概念关系的情况,总结了一些传统的概念相似度计算方法,提出了一种新的适应于非ISA概念关系的相似度计算方法。此方法利用Tversky模型计算本体有向无环概念图的信息量覆盖程度,并结合语义距离方法,再进行权值求和。实验表明,提出的方法可以有效地度量ISA关系,对非ISA关系具有适用性。

一种基于本体概念相似度的语义Web服务匹配算法

通过定义本体中概念之间的语义距离来计算本体概念之间的相似度,提出一种基于该相似度的Web服务的精确匹配算法,新的算法与传统的经典匹配算法(OWL-S/UDDI算法)比较,不仅在等级上保持一致,而且使同一等级或不同等级之间的服务匹配都达到精确的程度。

改进的本体概念语义相似度计算方法

本体概念语义相似度计算被广泛应用于本体映射、语义Web服务本体匹配等领域,以往的概念语义相似度计算方式存在计算粒度大,计算方法单一等缺陷。文中提出一种改进的基于概念子图的概念语义相似度计算方法,该方法考虑了本体概念的深度、密度对语义距离的影响,细化了计算粒度,并将语义距离与信息量方法相结合。试验表明,改进的方法优于传统方法。

一种基于本体概念语义相似度的查询优化方法

文章提出一种优化查询方法,该方法将本体概念语义相似度和词法之间的关系相结合。先利用语法特征对用户输入的关键字进行扩展,然后通过分析语义相似度的强弱对扩展的结果进行收敛,以这种方式来提高用户输入的关键字和本体映射的准确性和完整率。传统搜索引擎不能很好地理解用户的意图的缺陷通过此方法可以得到有效解决。同时文章针对方法实现了优化查询系统,结果显示,搜索的准确率得到有效提升。

基于概念关系的文本特征提取方法

针对基于词频统计的TD-IDF文本特征提取方法缺乏对文本中概念关系处理,而使提取到的文本特征具有概念冗余、特征不明确等问题,提出基于本体概念相似度的词频统计方法。利用文本元素之间的语义相似度调整特征元素的词频,突出特征元素的语义贡献、消除特征冗余,增强特征集合元素的特征独立性。最后结合文本概念的共现特性,对可能出现某些重要特征元素因词频统计而被忽略的问题进行处理,从而准确、高效地提取文本特征。

基于语义Web服务的盐业信息集成方法研究

建立全国盐业信息集成平台对盐行业的产、供销具有重要的意义。文中首先提出基于语义Web服务的盐业信息集成平台架构;接着在详细分析了经典的语义Web服务匹配算法的基础上,提出了一种基于最近祖先的本体概念相似度匹配算法,并给出基于该算法的语义Web服务匹配流程。实验结果表明,该算法有效地提高了语义Web服务发现的查全率和查准率。

改进的语义Web服务匹配方法

针对目前语义Web服务匹配方法中缺少对服务行为约束的考虑及传统推理匹配的结果中同一级别不能再区分的缺点,设计了一种带服务行为约束的基于推理和语义相似度计算的匹配方法。方法分为三步:第一步进行服务行为约束兼容性检测;第二步对待匹配的两个服务进行推理;第三步在第二步基础上进行本体概念间的语义相似度计算,得出待匹配服务的精确匹配度。这样每个服务都有了一个精确的匹配度值,避免了传统方法中多个服务因拥有同一个匹配度等级而不能再区分的不足。实验结果表明,该方法较之传统的OWL-S/UDDI匹配方法在查准率和查全率方面得到了很大改进。

基于树剪枝的语义Web服务匹配算法

OWL-S/UDDI注册中心有大量与用户请求不匹配的的语义Web服务,按照树剪枝原理来削减语义Web服务中相似度匹配的次数,保持OWL-S/UDDI算法的匹配等级的合理性,保持基于本体概念相似度的语义Web服务匹配算法匹配的精确性的基础上,又使用户服务请求与语义Web服务的匹配在查准率和查全率方面得到提高,降低计算机做无用功的次数,使计算机的性能也得到提高。

一种带行为约束的语义Web服务匹配方法

针对目前语义Web服务匹配方法中缺少对服务行为约束的考虑及传统推理匹配的结果中同一级别不能再区分的缺点,本文设计了一种带行为约束的基于推理和语义相似度计算的匹配方法。本方法分为三步:第一步进行服务行为约束兼容性检测;第二步对待匹配的两个服务进行推理;第三步在第二步基础上进行本体概念间的语义相似度计算,得出最终的精确的匹配度。实验结果表明,该方法较之传统的OWL-S/UDDI匹配方法在查准率和查全率方面得到了很大改进。