基于混合聚类的大本体分块映射及评价方法研究

摘要

本体映射旨在不同的本体间搭建语义桥梁，以期实现不同本体问的信息交流和知识共享。对于大规模本体，由于其概念数量庞大、相互之间关系复杂，要实现大本体之间的映射变得非常困难。本文将着重从大本体映射方面展开研究。 首先，论文对语义Web的研究背景、SNAX系统的研发目的、当前本体映射的研究现状以及大本体划分工作进行了介绍。 其次，根据大本体的结构及特点，应用向量空间模型（VSM）技术，提出了一种基于混合聚类的类层次本体自动聚类分块方法。该方法通过提取概念信息中的词干来构建向量空间，并运用语义扩散算法将概念表示在向量空间中，然后应用混合聚类算法实现概念的自动聚类。并根据块中概念间的相似度，提取出最后的映射。 再次，鉴于目前大本体映射领域中尚缺少对本体自动分块的评价体系。本文结合自动聚类分块的特点，提出外标准和内标准，作为本系统分块质量评估参考。 最后，根据上述研究，本文设计并实现了大本体分块映射系统BMC。并在此系统的基础上，利用现实领域中提供的测试数据集russia12和tourismAB对系统的映射效果进行了测试，同时用POP法和Rand法对分块结果进行评价，利用信息检索领域的查全率、查准率和correctness映射结果进行评价，并对实验数据进行了统计分析。从实验结果来看，此方法具有良好的效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究背景

1.2语义网中本体相关研究

1.3 SNAX项目简介

1.4主要研究内容

第二章本体分块和映射研究现状

2.1本体及其异构性

2.2本体映射相关工作

2.2.1映射方法研究

2.2.2本体映射研究相关项目

2.3大本体划分相关工作

2.3.1大本体划分方法研究

2.3.2大本体划分研究相关项目

2.4大本体分块评价相关工作

2.5小结

第三章大本体的分块与映射及其评价方法研究

3.1概念的向量表示

3.2基于结构的语义距离

3.2.1概念的权值

3.2.2概念间的语义距离

3.3语义扩散算法

3.4概念的聚类分块

3.4.1 CURD聚类算法

3.4.2 K-平均算法

3.4.3混合聚类算法

3.5块的命名

3.6提取映射结果

3.7评价方法

3.7.1映射质量评估方法

3.7.2分块质量评估方法

3.8小结

第四章实验及结果

4.1系统结构及开发环境

4.1.1系统结构

4.1.2开发环境

4.2实验设计

4.2.1实验数据

4.2.2评估方法

4.3实验结果及其分析

4.4小结

第五章结论与展望

5.1研究工作及成果总结

5.2进一步研究方向

参考文献

致谢

攻读学位期间主要研究成果