一种改进基于结构特征本体匹配算法.docVIP

一种改进基于结构特征本体匹配算法 　　摘要：设计了一种改进的基于结构特征的相似度计算方法，给出相应的本体匹配算法设计，并验证提出的匹配算法的可行性和有效性。应用改进的本体匹配算法实现异构本体的匹配，从而有效提高本体匹配的精确度，提高信息有哪些信誉好的足球投注网站的准确率。 　　关键词：本体；本体匹配；结构特征；相似度算法 　　中图分类号：TP312文献标识码：A文章编号：1672-7800（2012）012-0042-04 　　0引言 　　Web应用已深刻影响到人类社会生活的各个方面。语义Web是当前Web的一种扩展，是很多智能应用实现的基础，并已在电子商务、数字图书馆、信息检索、知识工程和生物医学等领域中发挥重要作用。 　　本体形式化定义了领域内共同认可的知识，是语义Web体系的核心部分。但由于本体创建和使用的主观性、自治性和分布性，造成了本体异构的问题。本体异构已成为本体应用的一大瓶颈，本体匹配正是解决这一问题的最有效途径。它可以实现不同本体的应用程序间的互操作性。本体匹配对于本体映射与集成、本体的检索和重用、信息集成、语义Web服务的匹配以及基于本体的软件需求工程等是不可缺少的重要环节。 　　解决本体匹配问题对于语义Web、生物医学、Web Service、智能 Agent通讯、P2P、电子商务、情报科学、软件工程和地理信息系统等领域中的语义信息交互都具有重要的应用价值。 　　国内外许多著名的大学、实验室和研究机构都对本体匹配进行了研究，并且针对进行本体匹配的过程、本体匹配的方法以及本体匹配所采用的技术和工具的研究都取得了一定的成果，为我们今天的研究提供了极有价值的基础。 　　目前的本体匹配工具和方法大都是针对特定领域的本体或本体的某些特征效果比较明显，缺少综合利用本体中各种特征元素进行映射的方法。而且本体匹配方法主要侧重于本体概念本身，以及概念的实例信息来求取本体元素的语义相似性，并没有充分挖掘本体结构中概念的相邻元素及其语义联系。 　　因此，本文在分析现有基于结构特征的本体匹配方法的基础上，设计一种改进的基于结构特征的相似度计算方法，并给出本体匹配算法设计。最后，应用改进的本体匹配算??实现异构本体的匹配，并验证该匹配算法的可行性和有效性。 　　1基于结构特征的本体匹配算法分析 　　基于结构特征的本体匹配通过分析实体在模式中的位置比较周围节点的信息来计算相似度，该方法在本体缺乏充分的文本信息时尤为适用。在结构匹配方法中主要用到了图结构、路径结构、分类结构的匹配模式，这些方法大部分融入了相似度传播的思想。 　　在概念相似度计算过程中，概念的结构特点同样是值得重点考虑的因素。基于结构特征的本体匹配算法的核心是相似度传播算法，而相似度传播算法中较为典型的是Similarity Flooding和GMO。它们的核心思想主要基于：如果两个概念的父类或者子类相似，那么这两个概念也可能相似，基于此特征把该两个概念的父类或子类的相似度通过相似度传播算法传播到两个待匹配概念中。它们之间主要区别在于Similarity Flooding相似度的传播只考虑已匹配的概念对邻居节点的传播，而GMO则是本体全局的相似度传播。 　　1.1Similarity Flooding算法分析 　　SF是由斯坦福大学（Stanford University）的Sergey Melnik和德国莱比锡大学Erhard Rahm于2002年提出的一种匹配多种数据源的通用结构层次算法，算法思想是基于相邻概念节点之间的相似传递性，也就是说如果两???概念节点的邻近节点是相似的，那么它们趋向于相似，即两个元素之间的相似性繁殖到了它们各自的邻居。 　　1.2GMO算法分析 　　GMO中使用RDF二部图模型来表示本体。其主要思想是：两个来自不同本体的实体的相似度来源于所有与它们连接的statement节点之间的相似度的累加，而statement节点之间的相似度又来源于与它们相连接的subject，predicate和object之间的相似度的累加。其存在的缺点：本体图结构相差太大，本体存在多对多匹配的情况，因此会产生匹配结果相似度很低但却有可能匹配的问题。尽管有向二部图清晰地表示了本体知识，但是它没有区分概念间的不同关系，而且没有考虑不同邻接概念对于相似度传播的影响不同。 　　2基于结构特征的本体匹配算法改进设计 　　2.1基于结构特征的本体匹配算法思路 　　本体包含概念、属性和实例，这三个元素是本体的实体元素，另外本体还包含连接实体的关系、公理等。映射基本上在实体元素之间进行的，而且通过简单的推理后都转化为概念—概念映射关系。因此在本文中，着重讨论的是概念—概念映射的相似度计算问题，并对其进行一些改进。 　　本体实质上就是一个树状层次结构，利用Protégé等工具，可以将本体以树结构显示