一个基于语义模块的交互式本体匹配框架

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (29): 63-67.

一个基于语义模块的交互式本体匹配框架

文敦伟^1,2,樊小虎¹

1.中南大学信息工程与技术学院,长沙 410083
2.阿萨巴斯卡大学计算机与信息系统学院阿萨巴斯卡 T9S3A3 加拿大

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-11 发布日期:2007-10-11
通讯作者: 文敦伟

Semi-auto framework for module based ontology matching

WEN Dun-wei^1,2,FAN Xiao-hu¹

1.School of Information Science and Engineering,Central South University,Changsha 410083,China 2.School of Computing and Information Systems,Athabasca University,Athabasca T9S3A3,Canada

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-11 Published:2007-10-11
Contact: WEN Dun-wei

摘要/Abstract

摘要： 本体匹配是用来解决异质本体间互操作问题的一种技术手段。目前,大多数关于本体匹配的研究都集中在了如何提高匹配结果的质量上。然而,一方面,在许多情况下,匹配结果的正确与否直接依赖于用户的判断,另一方面,由于一些描述现实世界的本体十分庞大,匹配工具往往不能及时为用户提供可供确认的匹配对。为此,提出了一种基于语义模块的交互式本体匹配框架。借助信息论的相关知识,将本体聚类成语义模块。用户利用模块核心结点信息对模块的内容进行推断,从而将大规模的本体匹配任务转换为数个规模较小的语义模块间的匹配任务。通过合理地增大用户在匹配过程中的作用,试图在保证匹配质量的同时提高匹配效率。已获得的实验结果表明该方法能显著提高本体匹配任务的效率。

关键词: 本体匹配, 聚类算法, 信息论

Abstract: Ontology matching aims at dealing with interoperation problems between heterogeneous ontologies.Recently,many researches are focused on improving the matching tool’s quality.However,in one hand,the goals of matching depend heavily on the intension of the users;in the other hand,for a matching task with large ontologies,it is very difficult to efficiently present the matching results to a human engineer to validate.Hence,in this paper,we have proposed a semi-auto framework for semantic-modular based ontology matching.Addressed with information theory,the approaches employ a clustering algorithm to modularize ontologies.With the information of the semantic core,user can predicate the content of the clusters,thus transform the large ontology matching task into several smaller ones.By amplifying user’s effects wisely,we tried to achieve high efficiency while keeping the match qualities.The results have obtained so far show that this measure could improve the efficiency significantly.

Key words: ontology matching, clustering algorithm, information theory

文敦伟^1,2,樊小虎¹. 一个基于语义模块的交互式本体匹配框架[J]. 计算机工程与应用, 2007, 43(29): 63-67.

WEN Dun-wei^1,2,FAN Xiao-hu¹. Semi-auto framework for module based ontology matching[J]. Computer Engineering and Applications, 2007, 43(29): 63-67.

[1]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[2]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[3]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[4]	丁松阳，田青云. Ball-Tree优化的密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(20): 90-96.
[5]	翁玉尚，肖金球，夏禹. 改进Mask R-CNN算法的带钢表面缺陷检测[J]. 计算机工程与应用, 2021, 57(19): 235-242.
[6]	白璐，赵鑫，孔钰婷，张正航，邵金鑫，钱育蓉. 谱聚类算法研究综述[J]. 计算机工程与应用, 2021, 57(14): 15-26.
[7]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[8]	韩纪普，段先华，常振. 基于SLIC和区域生长的目标分割算法[J]. 计算机工程与应用, 2021, 57(1): 213-218.
[9]	李杰其，胡良兵. 基于机器学习的设备预测性维护方法综述[J]. 计算机工程与应用, 2020, 56(21): 11-19.
[10]	孙志冉，苏航，梁毅. 一种改进的K-Prototypes聚类算法[J]. 计算机工程与应用, 2020, 56(21): 54-59.
[11]	岳晓新，贾君霞，陈喜东，李广安. 改进YOLO V3的道路小目标检测[J]. 计算机工程与应用, 2020, 56(21): 218-223.
[12]	郭永坤，章新友，刘莉萍，丁亮，牛晓录. 优化初始聚类中心的K-means聚类算法[J]. 计算机工程与应用, 2020, 56(15): 172-178.
[13]	贾露，张德生，吕端端. 物理学优化的密度峰值聚类算法[J]. 计算机工程与应用, 2020, 56(13): 47-53.
[14]	杨俊闯，赵超. K-Means聚类算法研究综述[J]. 计算机工程与应用, 2019, 55(23): 7-14.
[15]	樊晓博，张慧军，张小龙. 企业日志数据的交互式可视分析方法研究[J]. 计算机工程与应用, 2019, 55(23): 248-256.