面向语义服务的大规模本体分块映射研究

摘要

随着互联网的高速发展，互联网上的信息数据呈现着爆炸性增长，这也相应地推动了语义网的发展，导致不同领域中用来描述知识的本体规模也越来越庞大，出现了大本体。大本体分块映射是目前语义网研究的重点之一，有效地实现大本体分块映射是解决本体异构，实现知识共享的重要手段，它是推动语义网技术从理论到实际应用的重要途径，因此，本文主要针对大本体分块映射进行研究。
　　首先，本文阐述了课题的相关研究背景，主要包括了语义网相关知识介绍和大本体分块映射研究现状介绍。
　　其次，针对现有的分块映射方法存在空白块无法匹配、分块效率以及映射效率低下等方面的不足，本文提出了一种基于锚点同步分块的大本体分块方法，该方法首先基于结构相似度对本体间的锚点对进行同步分块，然后基于最近邻锚点计算对本体中的剩余非锚点进行指派，最后设计了一种面向层次扩散的优化迭代算法来实现块间映射。
　　再次，在分块映射的基础上，为了进一步保证映射关系的一致性，提出了一种基于语义距离和推理技术相结合的冲突检测和映射修正方法。该方法首先基于冲突函数来检测可能存在语义冲突的映射对，得到映射冲突集，然后通过定制推理规则来对映射冲突集修正，从而去除掉所有可能的语义冲突，保证了最终映射结果的准确性。
　　最后，为了验证本文方法的优越性，本文以OAEI标准测试数据集、Russia12和TourismAB测试数据集设计了二组实验来全面评估本文方法的分块和映射质量。第一组实验用来评估分块质量;第二组实验用来评估处理大规模本体映射的效率。实验结果表明，本文的方法能较好的解决空白块失配以及块间失配问题，提高了映射的查全率和查准率。图16幅，表12个，参考文献68篇。

目录

声明

摘要

1 绪论

1．1 课题研究背景

1．1．1 语义网(Semantic Web)简介

1．1．2 本体(Ontology)概述

1．1．3 本体映射概述

1．2 主要研究内容

1．3 论文组织结构

2 大规模本体分块映射研究现状

2．1 大规模本体映射方法

2．2 大本体分块

2．3 迭代的映射方法

2．4 本章小结

3 面向语义服务的大规模本体分块映射方法

3．1 面向语义服务的大规模本体分块映射方法简介

3．2 基于锚点同步的分块方法

3．2．1 问题描述

3．2．2 基本概念术语定义

3．2．3 基于锚点同步的分块方法

3．3 面向层次扩散的迭代优化方法

3．3．1 迭代的本体映射技术简介

3．3．2 面向层次扩散的迭代优化方法简介

3．3．3 合并面向层次扩散的迭代优化方法至本体映射

3．4 映射修正方法

3．4．1 问题描述

3．4．2 映射修正算法

3．5 本章小结

4 实验及结果分析

4．1 系统结构

4．2 系统开发环境

4．3 实验设计

4．3．1 分块和块映射评估

4．3．2 大规模本体映射质量评估

4．4 本章小结

5 总结与展望

5．1 研究工作及成果总结

5．2 进一步研究方向

参考文献

攻读学位期间主要研究成果

致谢