论文部分内容阅读
本体是共享概念模型的形式化规范的说明,目前已经被成功地应用到语义网、人工智能和知识工程等领域。本体是语义网的核心基础,然而本体创建和使用具有主观性和自治性,从而导致了本体异构现象的发生。本体匹配正是解决本体异构问题的最有效途径,可以为本体应用系统的交互建立语义互操作性。本体匹配存在不确定性,映射单元之间存在复杂的逻辑关系。概率图模型是解决不确定性推理和数据分析的有效工具,马尔科夫网模型能更好地支持映射单元的非因果的依赖关系。本文针对本体匹配的不确定性问题,提出一种基于马尔科夫网的本体匹配算法,主要内容包括:(1)提出一种基于马尔科夫网的本体匹配模型。根据多种传统本体匹配算法初始化相似度矩阵并发现锚点,使用相似度传播和结构一致性约束定义团结构及其势函数,基于相似度矩阵、锚点和团结构,构造马尔科夫网,最后通过执行近似推理得到最终的本体匹配结果。(2)提出一种改进的循环置信度传播算法用于本体匹配。用于本体匹配的马尔科夫网中含有环状结构,循环置信度传播算法不能保证算法的收敛和好的近似结果。针对本体匹配模型,改进后验概率表达式,优化信息传播序列,并使用切割子图方法对LBP算法进行改进,从而提高算法的执行效率并取得更好的本体匹配结果。(3)设计并实现基于马尔科夫网的本体匹配系统。分析系统的特点和总体框架,设计并实现系统的各个功能模块,使用测试集进行实验。本文采用OAEI提供的数据集分别对文中提出的解决方法进行实验,实验结果验证了本文提出方法的有效性,能够同时提高本体匹配的准确率和召回率,从而提高本体匹配的质量。