基于相似度计算的本体匹配方法研究-计算机应用技术专业毕业论文.docx

ClassifiedIndex:::XuPeigangSupervisor::puterApplicationTechnologyAffiliation:puterScienceandTechnologyDateofDefence:October,2012Degree-Conferring-Institution:HarbinInstituteofTechnology摘要摘 要随着语义Web技术的不断发展,作为语义Web的核心,本体及其相关研究也得到了很大的进步。同时,作为一种清晰表达语义和知识共享的方式,本体在生物医学信息学、电子商务等方面也得到的广泛地应用。但是由于本体自身的自治性、分布性和演化性致使大量的异构本体的出现,阻碍了不同本体之间及基于本体的应用之间的知识共享和语义交互。本体匹配被普遍认为是解决本体异构的有效途径。通过本体匹配所建立本体之间的语义关联使异构的本体之间可以相互沟通,实现语义交互。然而,如何有效的匹配大规模本体、如何设计恰当的相似度计算方法以提高匹配的精度、如何提高本体匹配系统的效率等问题是本体匹配中的难点。围绕这些难点问题,本文就本体匹配策略的设计、相似度计算方法的设计、相似度计算方法的结果融合、匹配结果的抽取等本体匹配研究中的关键问题进行了深入的探讨和研究。主要内容包括如下:(1)基于双视角的本体匹配方法设计策略研究。提出基于双视角的本体匹配设计策略:本体的主要构成实体为概念和概念间的关系,概念的层次结构构成了本体最基本的结构;本体的构建总是先要确定领域中的概念并将其组织为层次结构,然而再确定概念间的其他关系以进一步丰富概念的层次结构。根据上述结论,提出基于双视角的本体匹配策略,分别从概念的层次结构(O’视角)和概念间的其他关系(O’’视角)两个视角顺序匹配本体中的概念和关系,并利用概念的匹配的结果对关系进行匹配,从而避免了计算相似度时概念和关系之间的相互依赖,提高了关系匹配的准确率。(2)大规模本体的匹配方法的研究。基于采用双视角的本体匹配策略,提出了基于子本体的本体匹配方法。该方法借鉴分治的思想,通过将原本体分解为更小规模的分块之后再进行匹配,以提高处理大规模本体匹配的效率。本文提出的方法根据锚点概念首先分别在两个原本体中抽取子本体,并将所抽取的子本体按照深度大小进行排序之后再对所有子本体按照深度值自底向上的进行匹配。由于子本体之间相互重叠,在匹配深度小的子本体时可以重用其所包含的深度大的子本体的匹配结果。同时提出了基于语义指导的相似度传播算法对所有子本体进行匹配,与一般的相似度传播算法相比,本文中的方法利用锚点构造相似度传播图并指导相似度的传播,提高了相似度传播算法的准确度。最后,利用已经匹配的概念对关系进行匹配,从而提高了关系匹配的准确率。(3)本体匹配结果的融合方法研究。提出了基于区分度(differentor)的相似度融合方法。当匹配系统采用并行的方式对多种相似度计算方法进行组合哈尔滨工业大学博士学位论文时,需要对不同相似度方法的结果进行融合。本文提出一种基于differentor的相似度自动融合方法,根据不同相似度计算方法的性能为不同实体对分配不同的权重。通常,一种相似度计算方法会产生一个相似度矩阵,而differentor则反映的是在一个相似度矩阵的一行中发现最佳的一对一匹配的可能性。也就是说,一个相似度矩阵将对应多个differentor。因此,通过differentor可以为相似度方法在不同实体对上分配不同的权重。(4)高效率本体匹配方法研究。现实中的应用往往要求本体匹配系统在保证匹配质量的前提下尽快的完成匹配。本文提出的增量式本体匹配方法采用顺序组合的方式,根据相似度计算方法的匹配准确率和运行时间两个因素决定不同相似度计算方法调用顺序。通过恰当顺序组合的方式以提高匹配的准确率和效率。同时,在NDE匹配结果抽取算法的基础上提出RCG抽取算法。与NDE算法不同,RCG算法通过考虑原相似度矩阵中具有每行或每列最大值的单元作为候选匹配,提高了所抽取的匹配结果的准确率。本文在上述工作的基础上,实现了一个实用的基于相似度的本体匹配系统SOBOM。该系统除了用于验证本文所提出的各种方法的正确性和有效性之外,还通过图形界面为用户提供定制本体匹配过程中相似度方法的选择、组合方式,相似度融合方法,匹配结果抽取方法等功能,从而使用户参与到匹配的过程中来。其对本文的研究工作有重要的推动