基于节点语义相似度的本体映射方法

针对本体映射特别是大尺度的异构本体映射由于语义异质性导致的映射精度和效率较低的问题,提出一种基于节点语义相似度的本体映射方法.首先,研究基于网络的本体解析和表示、本体自动分块、相似子本体快速识别、基于节点语义的子本体映射等关键技术;其次,以本体对齐评估倡议评估数据集中会议本体集进行实验,结果表明,该方法在性能上优于传统映射方法,在精度上高于基于片段的映射方法.

改进的本体匹配算法

传统的利用本体结构信息对本体做匹配的方法,并未充分利用本体的树形结构特点,致使整个本体匹配的匹配过程具有大量的冗余计算。因此,提出一种改进的基于本体树形结构的本体匹配算法TARA。该方法首先严格地以本体的树形结构为依据进行本体匹配,然后通过二次匹配来解决由于严格按照树形结构进行匹配而产生的不可避免的不足。实验结果表明,TARA方法的查全率和准确率都有较好的表现。

采用多目标粒子群算法的本体元匹配方法

为了解决本体之间存在的异构问题,提出一种本体元匹配方法来确定不同本体中实体之间的对应关系.首先设计两个本体匹配结果质量的近似度量方法,并在此基础上构建本体匹配问题的多目标优化模型,最后提出一种多目标粒子群算法以求解该问题并优化本体匹配结果的质量.采用国际本体匹配竞赛提供的benchmark测试集,来测试基于多目标粒子群算法的本体元匹配方法的性能.实验结果表明:提出的方法在查全率和查准率两个指标上均优于国际本体匹配竞赛的其他参与者.

一种基于混合语义相似度度量方法的本体元匹配技术

目的通过混合多种语义相似度度量方法来提高本体匹配的质量。方法构建一种新的语义相似度度量方法的组合框架,综合考虑组合过程中存在的2种情况来提高混合语义相似度度量方法的有效性。结果通过同国际本体匹配结果评价竞赛(Ontology Alignment Evaluation Initiative,OAEI)参与者的比较结果表明本文所提出的方法是有效的。结论本文提出的混合语义相似度度量方法能够有效组合基于知识库和字符串的语义相似度度量方法以识别异质的本体概念,从而提高本体匹配结果的质量。