一种改进的本体相似度综合映射方法研究

计算机与现代化

一种改进的本体相似度综合映射方法研究

1.东华大学信息科学与技术学院，上海201600；
2.东华大学数字化纺织服装技术教育部工程研究中心，上海201600

收稿日期:2014-08-21 出版日期:2014-11-27 发布日期:2014-12-10
作者简介:姚香菊（1986-），女，山东菏泽人，东华大学信息科学与技术学院硕士研究生，研究方向:信息处理，信息通信；谢颖华（1972-），浙江余姚人，东华大学数字化纺织服装技术教育部工程研究中心副教授，硕士生导师，研究方向：数据库和数据仓库，数据处理。

An Improved Mapping Method of Comprehensive Ontology Similarity

1. College of Information Science and Technology, Donghua University, Shanghai 201600, China；
2. Digital Textile and Apparel Technology Engineering Research Center of Ministry of Education,
Donghua University, Shanghai 201600, China

Received:2014-08-21 Online:2014-11-27 Published:2014-12-10

摘要/Abstract

摘要： 为了解决本体映射方法中计算量大、方法单一的问题，提出本体相似度综合映射方法。首先分解合适的本体，将规模比较大的本体分解为小本体，以降低映射计算的时间复杂度；然后根据本体映射的启发规则筛选出候选概念集，对候选概念集进行基于世界知识体系的本体概念相似度计算，再进行语义相似度和结构相似度计算，并把这3种不同算法得到的相似度值进行加权综合，给出最终的本体概念相似度值，再根据该值进行本体映射；最后通过设计实验来验证算法的正确性与有效性，结果表明本方法能在提高映射效率的同时保证良好的查询效果。

关键词: , 异构本体, 本体分解, 本体映射, 相似度计算, 时间复杂度

Abstract: Aiming to the problems of large amount of calculation and single method on the calculation of the concept in ontology mapping, this paper presents a comprehensive mapping method, that decomposes with suitable ontology at first, making the large size of ontology into small ontologies, reducing the computational time complexity of mapping; Then the candidate set of concepts are selected according to the ontology mapping heuristic rule, calculating the similarity of ontology concepts based on the HowNet, then computing the semantic similarity and structure similarity, the next to do is using the comprehensive weight to get the final comprehensive ontology concept similarity; Finally, an experiment is made to get the validity and correctness of algorithm. The results show that method can well improve mapping efficiency and effect of the mapping method is pretty good.

Key words: heterogeneous ontology, ontology decomposition, ontology mapping, similarity calculation, time complexity

姚香菊1，谢颖华2. 一种改进的本体相似度综合映射方法研究[J]. 计算机与现代化.

YAO Xiang-ju1, XIE Ying-hua2. An Improved Mapping Method of Comprehensive Ontology Similarity[J]. Computer and Modernization.

参考文献

［1］王栋,吴军华. 自动更新的本体概念语义相似度计算［J］. 计算机工程与设计, 2009,30(19):4419-4421.
［2］仲茜,李涓子,唐杰,等. 基于数据场的大规模本体映射［J］. 计算机学报, 2010,33(6):955-965.
［3］ Besnard Ph, Cordier M O, Moinard Y. Ontology-based inference for causal explanation［C］// Proceedings of the 2nd International Conference on Knowledge Science, Engineering and Management. 2007: 153-164.
［4］何娟,高志强,陆青健,等. 基于词汇相的元素级本体匹配［J］. 计算机工程, 2006,32(16):185-187.
［5］ Wong A K Y, Ray P, Parameswaran N, et al. Ontology mapping for the interoperability problem in network management ［J］. IEEE Journal on Selected Areas in Communication, 2005, 23(10): 2058-2068.
［6］都书好,苏守宝,划仁金. 基于概念相似度计算的多策略本体映射方法［J］. 计算机工程, 2010,36(9):82-84.
［7］朱艳,吴刚. 一种基于片段映射的本体映射模型［J］. 计算机工程与科学, 2008,30(8):156-158.
［8］徐茜. 基于相似度计算的本体映射方法研究［D］. 西安:西北大学, 2010.
［9］刘群,李素建. 基于《知网》的词汇语义相似度计算［J］. 中文计算语言学, 2002,7(2):59-76.
［10］段寿建,杨朝凤. 基于领域本体的概念语义相似度和相关度综合量化研究［J］. 现代图书情报技术, 2009,25(11):40-43.
［11］徐德智,王怀民. 基于本体的概念间语义相似度计算方法研究［J］. 计算机工程与应用, 2007,43(8):154-156.
［12］张忠平,田淑霞,刘洪强. 一种综合的本体相似度计算方法［J］. 计算机科学, 2008,35(12):142-145.
［13］肖文芳. 基于相似度计算的本体映射研究与实现［D］. 长沙:中南大学, 2007.
［14］李文超,杨妮妮. 基于本体的语义相似性研究［J］. 科学技术与工程, 2012,12(21):5328-5331.

[1]	肖航, 李鹏, 马荟平, 朱枫, . 基于随机Petri网的RFID系统安全性分析模型[J]. 计算机与现代化, 2023, 0(09): 105-114.
[2]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[3]	邹梦苑, 樊志强, 徐珞, 刘洁, 梁万路. Inf-ProA信息活动过程模型相似性度量方法[J]. 计算机与现代化, 2022, 0(02): 26-32.
[4]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[5]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[6]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[7]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[8]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[9]	李月，陈丽，王槐彬. 基于改进联合相似度计算的图书推荐算法[J]. 计算机与现代化, 2019, 0(03): 85-.
[10]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[11]	郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, 2018, 0(05): 41-.
[12]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.
[13]	夏琨1，丁波1，刘俊1，刘子豪1，林亮成2. 基于内容分析的网络协议指纹识别[J]. 计算机与现代化, 2018, 0(05): 121-.
[14]	李华，江峰，于旭，杜军威，刘国柱. 基于粒度决策熵的属性约简[J]. 计算机与现代化, 2018, 0(04): 7-.
[15]	陈丽娟，谢伙生. 带负项值的onshelf效用项集并行挖掘算法[J]. 计算机与现代化, 2018, 0(04): 13-.