基于Lucene搜索引擎庫(kù)的本體映射方法的研究與實(shí)現(xiàn).pdf

1、隨著語(yǔ)義網(wǎng)絡(luò)的迅速成長(zhǎng),涌現(xiàn)和積聚了很多語(yǔ)義信息。然而,因?yàn)檎Z(yǔ)義網(wǎng)絡(luò)分布的自然性,語(yǔ)義網(wǎng)絡(luò)上的數(shù)據(jù)不可避免地來(lái)自于不同的本體。本體之間的信息加工處理不可能脫離了它們?cè)刂g的語(yǔ)義映射而進(jìn)行。用手工來(lái)發(fā)現(xiàn)映射是單調(diào)的,易錯(cuò)的,而且很明顯在網(wǎng)絡(luò)范圍上是不切實(shí)際的。然而,通過(guò)本體,代理(人類和軟件)可以以一種(半)自動(dòng)的方式來(lái)進(jìn)行互動(dòng),以利用語(yǔ)義來(lái)查找信息。因此,本體映射成為了基于語(yǔ)義技術(shù)中的一個(gè)關(guān)鍵問(wèn)題。開發(fā)本體映射(Ontology Ma

2、pping)工具,就成為了語(yǔ)義網(wǎng)絡(luò)成功的關(guān)鍵因素,它是未來(lái)互聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)集成與管理的有效途徑。本體映射算法是以兩個(gè)本體作為輸入,然后為這兩個(gè)本體中的各個(gè)元素(概念、屬性或者關(guān)系)建立相應(yīng)的語(yǔ)義關(guān)系。
　　本文著重于本體映射問(wèn)題,尤其是考慮本體用RDF(Resource Description Framework資源描述框架)或OWL(WebOntology Language網(wǎng)絡(luò)本體語(yǔ)言)來(lái)描述。雖然本體之間的一些特征完全不同,但

3、是本體映射的方法卻存在著共同點(diǎn)。在大多數(shù)情況下,本體映射是利用語(yǔ)言層和結(jié)構(gòu)層信息,來(lái)找出兩個(gè)不同本體(源本體和目標(biāo)本體)的URIrefs(UniversalResource Identifier Reference URI引用)之間的映射。雖然結(jié)構(gòu)匹配很重要,但是它主要是基于語(yǔ)言之間的匹配。本文首先在前三章簡(jiǎn)要介紹了本體及本體映射的概念,闡述了本體映射的主要方法,列舉了目前國(guó)際上主流的幾種本體映射方法和本體映射工具,并且詳細(xì)闡述了Luc

4、ene搜索引擎庫(kù)的主要機(jī)制,對(duì)其索引機(jī)制進(jìn)行了深入探討。在后面的章節(jié)中,著重介紹了本文提出的一種基于Lucene搜索引擎庫(kù)的本體映射方法,稱之為L(zhǎng)selOM(Lucene search engine library Ontology Mapping)。并對(duì)其進(jìn)行了實(shí)現(xiàn),最后通過(guò)實(shí)驗(yàn)對(duì)其的性能進(jìn)行了評(píng)估。本文利用Lucene的特點(diǎn)和性質(zhì),首先對(duì)源本體進(jìn)行解析,利用解析結(jié)果對(duì)源本體建立索引,在索引中,Lucene文檔收集了關(guān)于URIrefs

5、語(yǔ)言層上的信息(包括局部名、描述信息和屬性名,屬性值等)。然后利用目標(biāo)本體的URIrefs作為搜索條件,針對(duì)源本體建立的索引進(jìn)行搜索,從而得到映射,將映射結(jié)果輸出到Lucene的結(jié)果集中。本文的特點(diǎn)是,在搜索過(guò)程中,方法結(jié)合語(yǔ)言層上的兩種匹配方法:基于語(yǔ)義匹配的方法和基于字符串匹配的方法,在基于字符串匹配的方法中,本文利用I-Sub算法來(lái)實(shí)現(xiàn)對(duì)于字符串的匹配,而基于語(yǔ)義匹配的方法中,本文利用Lucene的特性,結(jié)合WordNet同義詞引

6、擎,將同義詞在索引的時(shí)候與源本體的關(guān)鍵字一起寫進(jìn)索引,以此實(shí)現(xiàn)兩種方式的結(jié)合,在此基礎(chǔ)上使用相似度來(lái)衡量搜索的成功與否,如果相似度達(dá)到了所設(shè)置的閾值,那么就認(rèn)為本體映射任務(wù)成功。
　　本文利用Lucene評(píng)分機(jī)制的特點(diǎn),對(duì)Lucene原有的評(píng)分機(jī)制做了相應(yīng)的改進(jìn),根據(jù)各評(píng)分因子的重要性,使評(píng)分覆蓋到更廣的范圍,更具有一般性。本文通過(guò)一系列的實(shí)驗(yàn),確定了最適合本方法的相似度設(shè)定閾值,并且針對(duì)改進(jìn)的Lucene評(píng)分機(jī)制,通過(guò)實(shí)驗(yàn)確定了