基于概念属性实现本体一对多映射算法研究.docVIP

基于概念属性实现本体一对多映射算法研究 　　摘要:在以往的本体映射技术的研究中,大多数的研究都集中于本体中的一对一的映射,而很少有人从事概念间一对多或者多对多的映射研究工作。然而对于一些复杂的应用,仅仅是概念之间的一对一映射是不充分的。因此该文对本体一对多映射进行研究,提出一种实现一对多映射方法。该方法采用集束搜索算法查找比配候选集,并用概念属性进行相似度的计算。 　　关键词:本体映射;一对多映射;概念属性 　　中图分类号:TP393文献标识码:A文章编号:1009-3044(2010)16-4574-02 　　 　　Ontology one-to-many Mapping Based on Concept Attributes 　　WANG Jing-hua1, HUANG Jun-jun2 　　(1. Department of Basic Courses, Aviation University of Air Force, Changchun 130022, China; 2.College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350002, China) 　　Abstract: In the former research of the ontology mapping technology, Most of research concentrates on the 1-1 mapping while very few people are engaged in the complex mapping research. However for some complex applications , it is not enough to merely consider the 1-1 mapping. Therefore this article has conducted the research to mapping between similar ontology, and proposed an mapping method. This method adopt search algorithm to find the candidate set, and compute their similarity based on concept attributes. 　　Key words: ontology mapping; one-to-many mapping; concept attributes 　　 　　1 概述 　　本体作为一种领域知识概念化和模型化的方法已经获得广泛认可。本体映射是为了实现不同数据源的数据之间的通信,它是数据共享的核心技术,在数据仓库,集成系统,P2P等中都有广泛的运用。当今,大量的工作集中于在不同的Ontology中发现1-1映射。如何构造复杂的映射(多对多)则是本体映射研究领域中一个新的难点。实现多对多映射的主要挑战在于,如何构造和筛选候选映射集,即对于一个目标概念,如何选择与之映射的候选概念的个数。本文将基于概念的属性,研究一对多概念相似度计算方法。 　　2 相似度计算 　　根据Gruber定义了一个典型的本体由五元组表示[1]:O=(C,I,R,F,A)。其中,C代表概念集合;I表示概念的实例;R为定义在概念集合上的关系集合;F为定义在概念集合上的函数集合;A表示公理集合。 　　现在大部分的对于两两概念相似度的研究主要从以下四个方面入手:概念名称相似度、概念属性相似度、概念实例相似度,以及概念关系相似度。比如在Halevy教授等开发的GLUE[2],IMAP[3]系统是从概念的实例出发,引入机器学习的办法,从而发现本体间的映射。 　　本文基于概念属性的相似度计算的理论依据是:如果两个概念的属性都相同,则这两个概念是相同的;如果两个概念具有相似的属性,则这两个概念也是相似的。 　　2.1两两属性相似度计算 　　大部分概念属性的研究,即比配两个属性的相似度,从属性的名称入手,考虑名称的差异性和语意关系。 　　首先,考虑名称的差异性。引入由Levenshtein提出的编辑距离[4]。编辑距离是一个用来衡量两个字符串差别的方法。它用一个动态规划算法计算把一个字符串转换成另一个字符串,所需要对字符进行的最小操作数,包括对字符的插入、删除、替换。计算公式如下: 　　 其中,simdis(e1,e2)表示两概念属性之间的编辑距离相似度,e1和e2分别表示本体O1和O2中两个概念的属性,dist(e1,e2)表示两个字符串的编辑距离。 　　其次,考虑两个词之间