基于图分割的大规模本体分块与映射研究

论文摘要

本体映射是解决语义Web发展瓶颈的关键技术。但是,随着语义Web的发展,出现了一类概念数目庞大,概念之间关系复杂的大规模本体。由于大规模本体和普通本体在所包含的实体数目和映射难度上存在着不同,因而应当针对它们采用不同的映射方法。本文将着重对大规模本体分块与映射进行研究。首先,简要介绍了课题的研究背景,总结了本体映射技术当前的研究现状,并给出了未来的发展方向。其次,针对传统的单个本体中语义相似度计算未充分利用本体中的语义信息等不足,提出了一种基于概念特征的语义相似度计算方法。该方法首先根据概念在本体中的所处的层次结构来确定其特征集合,并引入概念的宽度因素对各个特征赋予不同权值,然后采用计算集合相似度的方法来计算概念的相似度,最后引入深度影响因子,并对相似度计算公式进行修正,转换成一种更直观的形式。理论分析和实验结果表明,该方法计算简便,结果准确。再次,针对当前的大规模本体映射方法存在的自动化程度不高,分块大小不均匀等问题,提出一种基于图分割的大规模本体分块与映射方法。该方法首先对本体进行预处理,将待匹配的大规模本体转换成有向无环图,从而将大规模本体分块问题转换成图分割问题,然后采用基于遗传算法的GPO算法分别对这两个本体图进行分割,将本体划分成本体块集合,最后通过采用基于参考点策略和基于本体块结构策略相结合的方法识别正确的块映射。最后,根据上述研究,本文设计并实现了的大规模本体分块与映射系统LSOPM,并将其和当前的大规模本体映射系统进行了比较。实验结果表明,该系统分块结果好,块映射准确,且在查全率和查准率方面都有明显提高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景
• 1.1.1 语义Web
• 1.1.2 本体
• 1.1.3 本体异构及解决办法
• 1.2 主要研究内容
• 1.3 论文组织结构
• 第二章 本体映射研究综述
• 2.1 本体映射
• 2.1.1 本体映射的一般过程
• 2.1.2 本体映射技术
• 2.1.3 本体映射系统
• 2.2 大规模本体映射
• 2.2.1 大规模本体映射研究现状
• 2.2.2 大规模本体映射系统
• 2.3 本体映射存在的问题
• 2.4 本体映射技术的发展方向
• 2.5 小结
• 第三章 基于概念特征的语义相似度计算方法
• 3.1 语义相似度研究现状
• 3.2 基于概念特征的语义相似度计算
• 3.2.1 概念的特征属性和特征
• 3.2.2 概念相似度计算
• 3.3 实验结果及分析
• 3.3.1 实验数据
• 3.3.2 实验评价标准
• 3.3.3 实验结果及分析
• 3.4 小结
• 第四章 基于图分割的大规模本体分块与映射
• 4.1 本体预处理
• 4.2 大规模本体的分块标准
• 4.2.1 结构相似度计算
• 4.2.2 内聚度和耦合度计算
• 4.3 基于遗传算法的大规模本体图分割算法
• 4.3.1 遗传算法简介
• 4.3.2 编码和群体初始化
• 4.3.3 适应度函数表示
• 4.3.4 遗传操作及算法参数
• 4.3.5 GPO算法
• 4.3.6 算法的收敛性分析
• 4.4 块映射
• 4.4.1 基于结构的策略
• 4.4.2 基于参考点的策略
• 4.4.3 相似度合并策略
• 4.5 小结
• 第五章 实验及结果
• 5.1 系统结构
• 5.2 系统开发环境
• 5.3 实验设计
• 5.3.1 分块及块映射质量评价
• 5.3.2 映射发现评价
• 5.4 小结
• 第六章 结论与展望
• 6.1 研究工作及成果总结
• 6.2 进一步研究方向
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果