第1章绪论
本体在诸多领域得到广泛的应用，如计算机、生物、化学、历史、军事等领域。在计算机领域，本体主要被应用于知识的共享和复用，如信息检索、自然语言处理、数据集成以及语义Web等，并月已经取得了显著效果。由于本体开发自身具有分布式的特点，对于同一个领域，不同用户建立的本体也不相同，所以导致了在一个领域出现了许多不同的本体。这些本体是异构的，他们之间往往不能互相通信，用户之间也不能相互理解。为了更有效地使用和重用本体，以完成信息交换与集成的任务就必须找出不同本体之间的映射关系。本体匹配(OntologyMatching)技术就是解决异构本体之间相互通信的问题，发现不同本体中实体的语义关系，最后实现本体合并、本体集成、查询问答、数据翻译等应用。随着本体应用需求的增大，本体的数量急剧增加，所以迫切需要一些方法和工具能自动或者半自动地完成大量的本体匹配工作。1.2.研究现状分析本体匹配自本世纪初得到广泛的关注，根据Shvaiko和Euzen叫3]对现有方法的分析总结，将本体匹配方法分为元素层次(Element-level)和结构层次(Structure-level)两类。元素层次又分为基于语法(Syntactic)的方法和基于外部信息(External)的方法;结构层次分为基于语法的方法、基于语义(Semantics)的方法、基于外部信息的方法。本体匹配主要分为五个步骤:本体实例(概念、关系、属性等)提取、相似度计算、语义提取、人工干预、匹配输出。其中相似度计算是核心技术。
对于相似度计算可以从自然语言、字符串、本体结构信息、本体推理等多角度进行。实际系统大多是采用多种相似度方法相结合的方法，因为单一标准匹配结果不够精确。多种匹配算法相结合，可以发掘出本体多方面的信息，是匹配结果更加准确。到目前为止已经提出了很多种本体匹配方案，典型的本体系统包括Cupid,SF,COMA,OLA,Falcon-AO,S-Match,GLUE等。但是大部分系统都需要专家的干预，因此自动化或者半自动化的本体匹配是目前研究方向的一个热点。目前提出的本体匹配方法有各自不同的特点，但是通过分析研究这些方法和系统，我们发现有如下两点值得改进和关注:首先是本体匹配的核心算法，概念相似度计算，如何发掘概念中的语义信息，提出合理的相似度计算模型，能够提高本体匹配的精度;其次如何利用本体自身的语义信息和本体的结构信息，提高匹配的精度。1.3.本文研究内容本论文以本体匹配为研究对象，通过对目前本体匹配方法和匹配系统的研究，分析了现有方法的优点和不足。首先对本体匹配的核心技术相似度计算进行研究，借助WordNet结构和有向图理论给出一种改进的相似度度量算法;
参考文献
[1]邓志鸿，唐世渭，张铭，杨冬青，陈捷.Ontology研究综述.北京大学学报(自然科学版)，第38卷，第5期，2002, p730-738.
[2] Gruber T R. A Translation Approach to Portable Ontology Specifications. KnowledgAcquisition,1993, p 199-220.
[3] Euzenat, J., Shvaiko, P Ontology Matching. Springer. 2007, p61-72.
[4] Neches R, Fikes R E, Gruber T R, et al. Enabling Technology for Knowledge Sharing.AIMagazine, 1991，12(3): p36-56.
[5] Gruber T R. A Translation Approach to Portable Ontology Specifications. KnowledgeAcquisition, 1993, p199-220.
[6] Studer R, Benjamins V R, Fensel D. Knowledge Engineering, Principles and Methods. Data and Knowledge Engineer2ing, 1998, 25(122): p161一197.
[7] Guarino N. Semantic Matching: Formal Ontological Distinctions for InformationOrganization, Extraction, and Integration. In: Pazienza M Teds. Information Extraction:A Multidisciplinary Approach to an
[8] Cz Antoniou and F. van Harmelen. Web Ontology Language: OWL. In Handbook onOntologies in Information Systems, 2003, p 67-92.
[9] Borst W N. Construction of Engineering Ontologies for Knowledge Sharing andReuse. PhD thesis, University of Twente, Enschede, 1997.
[10]Nicola Guarino. Understanding, Building, and Using Ontologies, LADEB-CNR[J].National Research Council, 1996, (3): p 5-8.
[11]Gruninger, M. and Fox, M.S. Methodology for the Design and Evaluation ofOntologies, Workshop on Basic Ontological Issues in Knowledge Sharing, IJCAI-95,Montreal, 1995.
[12]FERNANDEZ, M., GOMEZ-PERTEZ, A. and JURISTO, N. METHONTOLOGY:From Ontological Art towards Ontological Engineering, AAAI-97 Spring Symposiumon Ontological Engineering, Standford
摘要 7-8
ABSTRACT 8
第1章 绪论 11-14
1.1. 研究背景 11-12
1.2. 研究现状分析 12
1.3. 本文研究内容 12-13
1.4. 本文组织结构 13
1.5. 本章小结 13-14
第2章 本体匹配相关研究基础 14-27
2.1. 本体及相关概念 14-17
2.1.1. 本体的定义 14-15
2.1.2. 本体的描述语言 15-16
2.1.3. 本体的构建方法与工具 16-17
2.1.4. 本体的应用 17
2.2. 本体匹配技术 17-24
2.2.1. 本体匹配的定义 18-19
2.2.2. 本体匹配的主要方法 19-21
2.2.2.1. 本体匹配方法的分类 19-20
2.2.2.2. 元素层次本体匹配方法 20-21
2.2.2.3. 结构层次本体匹配方法 21
2.2.3. 主要的本体匹配系统 21-24
2.3. WordNet简介 24-26
2.3.1. WordNet的内容与结构 24-26
2.3.2. WordNet的应用 26
2.4. 本章小结 26-27
第3章 基于 WORDNET的语义相似度算法研究 27-44
3.1. 本体匹配与相似度的关系 27-28
3.2. 语义相似度 28
3.3. 基于WordNet的语义相似度算法 28-43
3.3.1. 引言 28-29
3.3.2. 语义相似度算法综述 29-33
3.3.2.1. 基于路径的方法 29-30
3.3.2.2. 基于信息内容的方法 30-33
3.3.3. 基于 WordNet和有向图理论的语义相似度算法 33-36
3.3.3.1. 现有方法的不足 33-34
3.3.3.2. 相关定义 34-35
3.3.3.3. 语义相似度改进模型 35-36
3.3.4. 实验与分析 36-43
3.3.4.1. 数据源选择 36
3.3.4.2. 实验环境 36-37
3.3.4.3. 实验结果与分析 37-43
3.4. 本章小结 43-44
第4章 本体匹配框架的设计与实现 44-54
4.1. 本体匹配框架 44-51
4.1.1. 预处理模块 45
4.1.2. 元素层次匹配模块 45-48
4.1.3. 基于属性的匹配模块 48-49
4.1.4. 基于关系的匹配模块 49-51
4.1.5. 本体匹配输出 51
4.2. 实验与分析 51-53
4.2.1. 本体匹配评估方法 51-52
4.2.2. 实验结果 52-53
4.3. 本章小结 53-54
第5章 总结与展望 54-56
5.1. 本文工作总结 54
5.2. 进一步工作展望 54-56
参考文献 56-60