- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于冗余消除本体映射后处理方法
一种基于冗余消除本体映射后处理方法摘要:现有的本体映射研究大多只关注映射方法本身,而缺乏对映射结果的具体分析,使得已有的映射结果供本体重用时应用效率不高。因此,本文提出一种基于冗余消除的本体映射后处理方法来对已有映射结果进行处理,以获得最优基础映射集,提高本体映射重用的效率。实验结果表明,本文方法在精简映射规模和提高映射重用效率上的表现均较优。
关键词:本体映射;冗余映射;最优基础映射;映射后处理
中图分类号:TP31 文献标识码:A
An Ontology Mapping Debugging Method Based on Redundancy Elimination
HUANG Xu,XU Dezhi
(School of Information Science and Engineering, Central South University , Changsha410083,China)
Abstract:The existing ontology mapping researches are mostly only concerned with the mapping methods itself, but lack of specific analysis of the mapping results, so the efficiency of ontology reusing by existing mapping results is always not high. Therefore, we propose a new method based on redundancy elimination to debug the ontology mapping results and obtain the set of optimal based mapping elements. Our goal is to improve the efficiency of reuse of ontology mapping. The experimental results show that our mentod can acquire good results.
Key words:ontology mapping; redundant mapping; optimal based mapping; mapping debugging
1引言
本体作为语义Web的核心基础元素,在语义网及相关语义处理的研究领域得到了广泛应用。本体映射是分布式环境下实现不同本体间共享和交流的基础性任务,也是本体重用和本体集成的关键环节。随着本体应用的不断发展,本体映射已成为当前语义Web研究的重点和热点。
目前,对于本体映射的研究,大多数的工作都是专注于本体映射本身的算法,关注如何通过概念相似度、本体结构等信息来获得本体映射结果,而对已获得的映射结果还缺乏有效的后处理过程来提高映射结果重用的效率,因此,本文针对映射中存在的问题提出一种基于冗余消除的映射后处理方法来对映射结果进行精简获得一个最优映射集,以提高映射重用的效率。
2相关研究
解决本体异构的关键是本体映射,而本体知识共享的关键是本体映射结果的重用,本文的目标是对已有的本体映射结果进行后处理来提高其映射结果重用的效率。本节,首先介绍相关本体映射方法的研究,然后介绍相关的本体映射后处理方法的研究,接着分析这些方法中存在的不足。
当前的本体映射的匹配方法主要分为元素级匹配和结构级匹配[1],元素级匹配方法主要包括:基于字符串比较的技术,该方法利用本体实例的名称、标签、注释等信息的字符编辑距离来进行匹配;基于语言学特征的技术;基于约束的技术,本体中约束主要用来定义内部信息,如概念类型、属性的基数、唯一性和可选性等,这些信息都为映射发现提供了有效的信息;基于外部语言资源的技术,它主要是利用WordNet、HowNet等语义知识库来进行映射。结构级匹配方法主要包括:基于图结构的技术,该方法将本体输入转换成有向图,然后在图结构中计算本体实例的匹配;基于从属关系的技术,该方法仍然是利用图理论进行匹配,不过只考虑了节点间的特殊关系;基于模块的技术,它处理基于语义解释的输入,运用推理技术进行映射。
相对于大量的本体映射方法的研究,仅有一些少量的工作关注本体映射结果的处理,如HeB[2]提出如何将已有的映射结果作为第三个本体的训练数据或背景知识来提高映射的准确性的方法;Zhao等人[3]将映射结果进行迭代映射发现来寻找丢失的映射;Parsia等人[4]利用描述逻
文档评论(0)