基于Tversky参数化的犹豫模糊集相似性测度研究

针对传统的犹豫模糊集相似性测度对原始数据信息处理不全面的问题,提出一种基于Tversky参数化比率相似性模型的犹豫模糊集相似性测度函数,分析其差异化系数在不同需求情况下的转换形式,并运用于犹豫模糊信息的聚类分析。新的相似性测度函数一方面可避免因添加或取特定的值而导致原始数据信息不准确,另一方面通过对差异化系数的赋值,得出多组可供比较的相似性结果,体现出相似性测度函数良好的动态性和数值的精确性。

模块化思想在大规模本体匹配中的应用

本体匹配是解决语义异构,实现本体共享与重用的一种方法。但本体规模越来越大,为降低匹配空间,提出一种基于模块化思想的本体匹配框架。首先,使用预处理算法将待匹配本体转换成概念图;然后,改进了ROCK聚类算法,并使用该算法将概念图划分成若干高内聚低耦合的概念块;最后,根据Tversky模型,从概念的父、子、兄弟以及内涵4个方面计算块的匹配度,并标记块的重要概念,进行n∶m匹配。实验结果表明,提出的本体匹配框架能够均衡本体分块大小,提高匹配效率。