2009年以来本体映射系统模型研究综述

2009年以来本体映射系统模型研究综述

ID:21195413

大小:53.05 KB

页数:11页

时间:2018-10-20

2009年以来本体映射系统模型研究综述_第1页
2009年以来本体映射系统模型研究综述_第2页
2009年以来本体映射系统模型研究综述_第3页
2009年以来本体映射系统模型研究综述_第4页
2009年以来本体映射系统模型研究综述_第5页
资源描述:

《2009年以来本体映射系统模型研究综述》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、2009年以来本体映射系统模型研宄综述[摘要]本体映射系统分为通用映射系统和领域映射系统两大类型,从模型和流程视角综述2009年RiMOM、As—MOV、DSSim、OntoMap、OntSE五种本体映射系统模型,认为本体映射研究在关联数据等新兴前沿领域的应用有待进一步深化。[关键词]本体映射系统映射模型OAEI关联数据[分类号]G3501引言本体映射是实现本体互操作的关键。本体映射系统是建立在本体映射方法基础上的,发现本体映射的方法一般分为四种:①术语方法:借助自然语言处理技术,比较映射对象之间的相似度,以发现异构本体间的联系;②结构方法:分析异构本体之间结构上的相似,寻找可能的映射规则;③

2、实例方法:借助本体中的实例,利用机器学习等技术来寻找本体间的映射;④综合方法:在一个映射系统中同时采用多种寻找本体映射的方法,弥补不同方法的不足。现有的本体映射系统可分为两种类型:①通用系统(GenericSystems)。这类系统一般采用通用方法,如不确定性推理、机器学习、相似度聚合等构建系统平台,一般可满足多个不同领域的映射需求,在语义网环境下潜在支持各种应用。②领域系统(DomainSpecificSystems)。这类系统针对特定领域问题(例如医疗、农业等)的本体映射需求,使用具体的领域规则,启发训练或背景知识,在映射方案中具有较强的针对性。本文主要综述这两类系统模型近年来的代表成果。

3、2通用系统模型早期学者们开发了多种本体映射系统,如GLUE,QOM,PROMPT等。近年来在国际语义网会议的推动下,特别是举办OAEI(theOntology"AlignmentEvaluationInitiative)竞赛以来,多种通用本体映射系统亮相OAEI,有效促进了本体映射的发展。例如,Falcon-AOt、PRIOR+、DSSimESI等近20种本体映射系统先后参加比赛。本文选取全程参与最近三届(2007—2009)OAEI竞赛的通用系统,这壁系统由于连年参赛,在测试中不断改进与完善,基本代表了本体映射系统最新的发展水平。2.1RiMOMRiMOM是多策略动态本体映射系统,其米用贝

4、叶斯理论,结合自然语言处理技术整合多种本体映射策略。RiMOM框架见图1。结合图1,可将RiMOM匹配过程概括为以下5个步骤:2.1.1本体预处理与特征因素评估将待匹配本体装入存储器建立本体图表,去除非相关信息,计算待匹配本体的标签相似因子、结构相似因子和标签意义相似因子,以此评估策略选择。2.1.2策略选择执行策略选择算法,即如果两个本体具有某些相同的特征,那么基于这些特征信息的策略将被选择并进行加权;如果本体特征信息较低,那么将不采取基于上述特征信息的策略。2.1.3单个策略执行得到所选策略后,发现个体匹配,每一个策略输出一个匹配结果。2.1.4策略结果整合通过线性插值方法合并匹配结果。2

5、.1.5相似度优化与精炼如果两个本体有较高的结构相似因子,使用相似度优化过程进一步精炼发现的映射,依照结构化信息发现新的匹配。RiMOM基于相似度传播理论(similarityPropagationTheory)提供了3种相似度聚合策略,分别是概念一概念、概念一属性、属性一属性聚合方法。在此基础上,系统通过多个启发式规则剔除不可靠的映射,精炼匹配结果。RiMOM是以贝叶斯决策理论为基础开发的本体映射系统,它在OAEI2009中参与了标准测试、解咅IJ测试、目标匹配和实例匹配4种类型的竞赛。作为2009年新推出的实例匹配测试项目,其由于具有更多实例的语义信息及属性,测试要求更高。为此,RiMOM

6、在优化OAEI2008版本中8种策略的同时,针对实例特征推出了若干新方法。与此同时,亦有若干问题有待进一步提升。例如,面对比原有模式文档多得多的大规模实例文档,RiMOM在测试的效率及稳定性方面如何保证;此外,如何深层次挖掘实例的语义信息等也是研宄面临的重要挑战。2.1ASMOVASMOV是由美国Jean-Mary等人开发的自动化本体映射工具,其目标是促进异构本体的整合,ASMOV运用迭代计算分析3种特征计算实体本体对的相似度产生基于概念间的映射、属性间的映射和个体间的2.2.1预处理ASMOV使用jena的ARP解析器和建模组件加载解析本体,采用UMLS元词表或Word,Net计算概念、属性

7、和个体间的词表相似度,运用文本匹配算法计算词表距离。2.2.2相似度计算与预匹配ASMOV通过外部匹配、内部匹配和个体匹配算法计算实体对的关系结构相似、内部结构相似和扩展程度相似,得到基于相似策略的概念矩阵、属性矩阵和个体矩阵等3个二维矩阵。随后抽取具有最高相似计算的本体与其他本体形成联系实体,完成预匹配。2.2.3语义确认与匹配结果查找并除去预匹配中语义不一致的映射,并将其保存在日志文档中,避免

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。