基于離散空間粒子群算法的本體映射方法研究.pdf

1、語義Web的出現(xiàn)使計(jì)算機(jī)能夠理解Web上的信息,從而實(shí)現(xiàn)了信息的自動處理、共享和重用。本體是共享概念模型的形式化規(guī)范說明,是語義Web實(shí)現(xiàn)的關(guān)鍵因素。由于各個(gè)本體構(gòu)建的目的不同,本體的創(chuàng)建者(領(lǐng)域?qū)＜?知識背景的差異,本體建模方法不盡相同,本體的構(gòu)建缺少一個(gè)統(tǒng)一的標(biāo)準(zhǔn)來規(guī)范約束,導(dǎo)致了大量異構(gòu)本體的出現(xiàn)。在同一個(gè)或者重疊領(lǐng)域產(chǎn)生了許多不同的本體,這就引發(fā)了本體異構(gòu)問題,背離了本體對共享概念進(jìn)行說明的初衷。為了解決本體異構(gòu)問題,就必須去發(fā)

2、現(xiàn)本體間的語義聯(lián)系并進(jìn)行本體映射。
　　 本文首先提出了一個(gè)基于粒子群優(yōu)化算法的經(jīng)典本體映射框架。本體映射問題是一種離散問題,因?yàn)閷?shí)體在映射結(jié)果中要么出現(xiàn),要么不出現(xiàn)。為了讓粒子群算法能夠適用于本體映射,本文將本體映射問題形式化為一種優(yōu)化問題并對粒子群算法模型進(jìn)行了適當(dāng)?shù)母倪M(jìn)。形式化為的優(yōu)化問題的兩個(gè)目標(biāo)是:(1)識別出一個(gè)映射對平均相似度值最大的映射結(jié)果;(2)使映射結(jié)果中的映射對數(shù)量最大化。本文借鑒了Correa在數(shù)據(jù)挖掘中

3、使用的粒子群算法進(jìn)行了改進(jìn),一是改變了已有算法中粒子維度固定不變這個(gè)限制,二是針對本體映射重新設(shè)計(jì)了粒子的迭代更新的策略。在本文設(shè)計(jì)的算法中,每個(gè)粒子代表源本體和目標(biāo)本體的一個(gè)候選映射結(jié)果集,每個(gè)粒子有一個(gè)速度值,速度值受到在迭代過程中群體和個(gè)體所發(fā)現(xiàn)的歷史最優(yōu)值的影響,這保證了群體向著最優(yōu)解方向收斂。
　　 然后,在這一框架之下,本文實(shí)現(xiàn)了對基礎(chǔ)映射方法設(shè)計(jì),文中共設(shè)計(jì)了5種基本映射算法,分別是:基于語言學(xué)技術(shù)的基礎(chǔ)映射算法、

4、基于WordNet的基礎(chǔ)映射算法、基于信息檢索的相似度比較的基礎(chǔ)映射算法、基于結(jié)構(gòu)比較的基礎(chǔ)映射算法和利用類和屬性的相互關(guān)系比較的方法。其中,基于語言學(xué)技術(shù)的算法又分為字符串直接比較法、子串比較法和編輯距離計(jì)算法三種。接下來,本文提供了一種合并策略對通過基本映射算法計(jì)算所得結(jié)果進(jìn)行合并,這樣就得到了粒子群算法中所需要的實(shí)體對的適應(yīng)值。
　　 最后根據(jù)本文提出的算法設(shè)計(jì)了一個(gè)本體映射系統(tǒng),以O(shè)AEI本體映射國際組織在2010年公示