基于動態(tài)權(quán)值的本體綜合匹配的研究與應(yīng)用.pdf

1、本體是一種有效地表現(xiàn)概念的層次結(jié)構(gòu)和概念語義的模型，它被廣泛的應(yīng)用到了計算機(jī)科學(xué)的許多領(lǐng)域。在對語義網(wǎng)技術(shù)的研究過程中，本體更是我們研究的重點(diǎn)。但是伴隨著語義網(wǎng)的快速發(fā)展，本體的異構(gòu)的現(xiàn)象也越來越嚴(yán)重了，解決本體異構(gòu)的問題已是關(guān)系到語義網(wǎng)發(fā)展的關(guān)鍵。雖然現(xiàn)在出現(xiàn)了許多本體匹配的方法或系統(tǒng)。但是這些方法或系統(tǒng)仍然存在著很大的不足，如對多策略相似度計算后的值進(jìn)行匯聚時缺乏科學(xué)性、通用性、對初始匹配對的匹配提取不完整、錯誤率較高等。
　

2、　本文針對目前的一些本體匹配技術(shù)出現(xiàn)的問題，綜合考慮本體在名稱、結(jié)構(gòu)、實例、屬性方面的特征，提出了基于動態(tài)權(quán)值的本體綜合匹配方法。該方法能夠根據(jù)每種相似度計算策略的計算結(jié)果，采用動態(tài)權(quán)值的計算方法（Dynamic weighting method,DWM）計算該相似度策略的匯聚權(quán)值。由于每種相似度計算策略對于不同的本體計算出的結(jié)果不盡相同，因此匯聚權(quán)值也是動態(tài)變化的，所以叫做動態(tài)權(quán)值計算方法。對于匯聚后得到的初始匹配矩陣，本文在naiv

3、e descending extraction（NAIVE）算法的基礎(chǔ)上進(jìn)行改進(jìn)，提出了一種NAIVE2匹配提取算法,克服了NAIVE算法對相似度值相差不大的匹配對的錯誤判斷。對于在本體結(jié)構(gòu)相似度計算策略的選擇上，本文提出了基于關(guān)聯(lián)規(guī)則挖掘的相似度計算方法，有效的計算了概念在結(jié)構(gòu)方面的相似性。
　　本文利用OAEI2011的benchmark本體測試集對本文的方法進(jìn)行了實驗驗證，顯示出了較好的效果。同時，本文所用的綜合匹配方法在一