基于模糊相似度的異構本體映射、合并及校驗方法的研究.pdf

1、本體是對特定領域概念及其關系的清晰描述，它可作為不同信息系統之間信息交換的基礎。然而，由于信息系統是由不同組織在不同時間和不同需求背景下開發(fā)的，因此，這些系統所依賴的本體之間不可避免存在異構性，這種異構性為不同系統之間的互操作帶來了極大的障礙。為了解決這一問題，需要識別不同本體間存在的異構或沖突，然后根據識別結果，在本體間對等概念和關系上建立對應聯系(即：本體映射)或進行不同本體間的合并(即：本體合并)。 為了克服人工進行本體映

2、射和本體合并中工作量大，效率低的問題，并滿足在不確定環(huán)境下進行信息系統之間動態(tài)和實時互操作的要求，國內外已進行了許多關于自動(或半自動)本體映射、合并的研究，這些研究雖然已取得了很大的突破和進展，但在準確率和效率等許多方面與實際需求還有較大差距。本文從信息集成的實際出發(fā)，針對過去研究中存在的不足，就進一步提高本體映射和合并的準確率和效率進行了深入和廣泛的研究，并同時展開了對映射及合并結果進行形式化校驗的方法研究以驗證這些結果邏輯上的正確

3、性。 本文的創(chuàng)新性工作可以歸納為下面幾點： (1)提出了模糊化的相似度表示方法 本體概念的特征信息一般分為兩類：文本特征信息(名稱和實例等)，結構特征信息(對象屬性、分類關系及依賴函數關系等)。在傳統本體映射中，本體概念間的相似度計算，一般是通過基于不同文本特征信息的多個相似度中間結果的復合疊加、多種結構特征信息的順序迭代或者兩者綜合等方法來實現，其相似度結果(中間結果或最終結果)均為單一數值，并以該數值(最終結

4、果)來判別兩個概念是否相似。由于概念間的相似度本身存在著固有的模糊特性(所謂模糊特性是指兩個概念間的相似度以一定的概率密度函數分布于某一數值區(qū)間)，因此，在映射計算過程中，如果過早用確定數值代替概率密度函數來描述相似度，將可能丟失一些可用于后續(xù)決策的信息，從而加大決策(映射)的風險。此外，對于本體的兩類特征信息，許多傳統方法采用了“先按文本信息進行映射，再用結構信息完成校驗迭代”的串行手段來進行處理，其中，基于結構信息的迭代是以基于文本

5、信息的映射結果為先驗知識而進行的，從而有可能過于強化了文本信息的作用弱化了結構信息對相似度計算的貢獻。為了解決這兩個問題，本文引入了模糊相似度，提出了基于各類特征信息的不同相似度的模糊化表示方法，從而在概念相似度的計算過程中引入了模糊特性，進而既避免了過早對相似度模糊特性做出裁決的風險，又使文本和結構信息能并行參與映射計算，提高了匹配效果。 (2)提出了基于屬性值聯合分布的映射方法 概念中的實例信息可用于本體映射，傳統的

6、基于實例的本體映射方法一般是將實例中的數值屬性取值直接合并為長文本信息。這種方法簡單地假定概念的各個數值屬性是完全獨立的，而沒有考慮它們之間可能存在的對應概率依賴關系。因此，該方法未能充分利用概念中與實例有關的重要信息，影響了映射結果的準確性。為此，本文提出了一種能有效利用上述關系的基于實例屬性值聯合分布的映射方法，提高了映射效果。 此外，在實際應用中，本體概念的表達經常會發(fā)生變更(如：添加或刪除屬性)，這就導致了更改后的概念表

7、達與原有概念實例對應屬性集之間的沖突，因此，相關本體概念匹配過程中經常會出現某些實例屬性值缺失的現象，這直接影響了屬性值聯合分布計算的準確性。為此，本文引入粗糙集理論來擬合屬性值缺失的樣本實例空間，提高了基于屬性值聯合分布的映射效果。 (3)提出了新型的本體合并結果及映射結果的形式化校驗方法 在本體合并和映射過程中，一般會產生一系列本體合并結果(新本體)和映射結果，為了保證這些結果在邏輯上的正確性，則需對其進行形式化校驗