模糊本體映射方法的研究.pdf

1、語義Web被視為當前Web的擴展，它可以為Web內的知識添加機器可理解、可處理的語義信息，以實現(xiàn)人（機器）與機器之間的語義信息通信。為了有效地組織語義Web中的知識信息，通常使用本體作為知識表示模型。然而不同的本體構建者會使用不同的術語集合以及不同的知識組織結構來構建本體，這必然導致不同本體之間存在著語義沖突和異構的問題。這類語義沖突問題嚴重地影響了本體之間的知識共享、知識重用以及語義互操作。為了解決上述問題，需要使用本體映射方法為異構

2、本體之間語義相同或者相似的元素建立映射關系。
　　隨著語義Web不斷的發(fā)展，很多應用領域需要模糊信息來完善知識的表示，而經(jīng)典本體由于自身的局限性無法表示這類模糊信息。為此，很多研究者將模糊集合理論引入到經(jīng)典本體，從而形成了一種新的可以處理模糊信息的知識模型:模糊本體。與經(jīng)典本體一樣，異構的模糊本體之間也需要建立語義映射關系，來解決它們之間語義沖突的問題。通過對國內外（模糊）本體映射方法以及（模糊）概念相似度計算方法研究現(xiàn)狀的分析，

3、發(fā)現(xiàn)現(xiàn)有的模糊本體映射方法以及模糊概念相似度計算方法存在以下問題:
　　(1)在現(xiàn)有的模糊本體映射方法中，模糊概念的信息量沒有被用于計算模糊概念之間的語義相似度，因此這些方法也沒有考慮實例與模糊概念之間的隸屬關系對模糊概念信息量計算的影響;
　　(2)在計算模糊概念語義相似度時，現(xiàn)有的模糊本體映射方法常常忽略模糊概念的隱含信息，而且這些方法也沒有合理地使用已有映射關系來避免語義相似度重復計算的問題;
　　(3)現(xiàn)有的模

4、糊本體映射方法是以兩個模糊本體作為研究對象，然后建立它們之間的映射關系，因此它們不適合為同一領域內的多個模糊本體建立映射關系。
　　為此，本文通過分析實例與模糊概念之間的隸屬關系以及模糊概念的模糊集合表示形式，模糊概念隱含信息的作用，還有多模糊本體映射體系結構，深入研究了模糊本體映射方法和模糊概念相似度的計算方法。具體研究內容包括以下幾個方面:
　　(1)提出了基于模糊概念信息量的語義相似度計算方法。首先分析父概念實例集合與

5、子概念實例集合之間的包含關系，并采用自下而上的方法為所有模糊概念構建實例集合;然后綜合考慮實例屬性值與模糊概念屬性域之間的隸屬關系以及各個屬性的權值，給出計算實例屬于模糊概念隸屬度的計算公式;然后根據(jù)實例集合計算出模糊概念的信息量;最后通過信息量的方法計算模糊概念之間的語義相似度;
　　(2)提出了基于關聯(lián)規(guī)則的模糊本體映射方法，用以解決兩個模糊本體之間的語義映射問題。首先將模糊本體內的f-RDF三元組信息轉化成關聯(lián)規(guī)則，并使用關

6、聯(lián)規(guī)則的傳遞性從已有的關聯(lián)規(guī)則中推導出新的關聯(lián)規(guī)則，也就是模糊概念的隱含信息;然后為模糊概念建立關聯(lián)規(guī)則集合，并將集合按照由小到大的順序放入關聯(lián)規(guī)則集合隊列中;然后基于關聯(lián)規(guī)則的特點給出相應的相似度計算方法;最后采用一種迭代的映射過程來建立模糊本體之間的映射關系。
　　(3)提出了基于概念圖的多模糊本體之間的映射方法，用以解決同一領域內多個模糊本體之間的語義映射問題。首先將一個領域內的模糊本體分成參考本體和源本體;然后將參考本體和