基于概念格的本體映射方法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡上的信息迅速增長。由于網(wǎng)絡本身的分布性，不同的組織必然定義自己的本體來描述數(shù)據(jù)。構建者和構建方法的不同必然導致同一領域存在許多有差別的本體，這就是本體的異構性。為了實現(xiàn)知識的共享和交互，本體異構問題亟待解決，本體映射為本體異構問題提供了解決方案。
　　本文分別對傳統(tǒng)本體映射方法和基于形式概念分析的本體映射方法進行了詳細分析，提出了一個基于概念格理論的本體映射框架，其中概念相似度計算模型的優(yōu)化和多種類型映射關系

2、的發(fā)現(xiàn)是本文的重點。針對概念相似度的計算，改進了基于概念格理論的對稱性相似度度量模型，將概念格的交不可約屬性與基于概念層次關系的非對稱性函數(shù)相結合設計實現(xiàn)了一種基于概念格理論的非對稱性概念相似度計算模型，并以此為基礎設計了一種新的個體集合相似度計算框架。針對映射關系的發(fā)現(xiàn)，將概念格技術融合到一種片段化本體映射方法中，實現(xiàn)了1-1、1-n、m-n和1-null多種類型的映射關系的發(fā)現(xiàn)。
　　本文用Java語言編程實現(xiàn)了所有設計思想，

3、并完成了實驗驗證。實驗結果表明，當形式背景規(guī)模小于20×20，屬性準確描述形式對象的前提下，改進的概念相似度模型的平均F-Measure值比基于集合理論的非對稱性模型和基于概念格理論的對稱性模型分別提高了14.7％和14.4％；對于個體集合相似度，格不對稱法比格對稱法的平均F-Measure值提高了11.1％，比傳統(tǒng)的Jaccad系數(shù)法提高了26.4％，但是耗時比Jaccard方法長；當相似度閾值為0.55時，改進的相似度計算方法性能略