学位论文 > 优秀研究生学位论文题录展示

语义Web中的本体映射与评价

作　者: Junaid Ahmad
导　师: 徐德智
学　校: 中南大学
专　业: 计算机科学与技术
关键词: 本体映射 本体评价 条件信息量 纯语义 查准率 查全率
分类号: TP391.1
类　型: 硕士论文
年　份: 2010年
下　载: 25次
引　用: 0次
阅　读: 论文下载
 

内容摘要


语义Web虽发展缓慢但却稳步发展。本体作为语义Web的核心部分受到了广泛关注并且还需寻找一些新的技术来实现本体的发展。为了使语义Web的研究切实可行,毫无疑问,本体映射和映射的评价是我们最很重要的一个研究方向。当前可行的本体映射技术并未充分考虑本体的语义,并且一般都是采用传统的技术来计算本体之间的相似度,因此匹配结果并没有达到实际预期效果。传统技术使用多策略映射技术和通过给每一种映射策略分配固定的权值的方法来合并映射结果,而事实上语义本体的权值应该通过其语义来决定权值的分配。在本文中我们提出了一种通过上下文语义来设置权值和计算相似度的条件信息量的概念。评价映射结果的算法与本体映射一样重要,不同时期出现了不同的映射评价的技术,其中查全率和查准率是最常用的技术。和传统的映射技术一样,传统的评价技术也没考虑本体的语义。本文提出了纯粹的语义查准率和查全率的一个评价框架,这一框架确保评价方法是纯语义的。我们将把这个框架与一些基本应用的评价方法相结合,将其应用实际操作中。

全文目录


摘要  4-5
ABSTRACT  5-10
Chapter 1 INTRODUCTION  10-19
  1.1 What is Semantic Web  10
  1.2 Purpose  10-12
  1.3 Limitations of HTML  12
  1.4 Techniques used to enhance capabilities of HTML  12-14
    1.4.1 Semantic HTML  13
    1.4.2 Microformats  13-14
  1.5 Semantic Web solutions  14-15
  1.6 Components of Semantic Web  15-16
  1.7 Agents  16-17
  1.8 Semantic Web VS Artificial Intelligence  17-19
Chapter 2 ONTOLOGIES  19-28
  2.1 Ontology  19-20
    2.1.1 Taxonomy  20
    2.1.2 Inference rules  20
  2.2 Components of Ontology  20-23
    2.2.1 Individuals  20-21
    2.2.2 Classes  21
    2.2.3 Attributes  21
    2.2.4 Relations  21-22
    2.2.5 Function terms  22-23
    2.2.6 Restrictions  23
    2.2.7 Rules  23
    2.2.8 Axioms  23
  2.3 Ontology Languages  23-26
    2.3.1 Resource Desc ription Framework(RDF)  23-24
    2.3.2 RDF Schema(RDFS)  24
    2.3.3 Web Ontology Language(OWL)  24-26
  2.4 Other Ontology languages  26-28
    2.4.1 CycL  27
    2.4.2 DOGMA  27
    2.4.3 F-Logic  27
    2.4.4 DAML+OIL  27-28
Chapter 3 ONTOLOGY MAPPING  28-38
  3.1 Basics of Ontology Mapping  28-31
    3.1.1 Mapping  28
    3.1.2 Alignment  28-29
    3.1.3 Correspondence  29
    3.1.4 Ontology merging  29
    3.1.5 Ontology integration  29
    3.1.6 Bridge axiom  29
    3.1.7 Ontology translation  29-30
    3.1.8 Ontology transformation  30
    3.1.9 Data translation  30
    3.1.10 Mediation  30
    3.1.11 Ontology version  30
    3.1.12 Ontology reconciliation  30-31
  3.2 Heterogeneity  31-32
    3.2.1 Syntactic Heterogeneity  31
    3.2.2 Terminological Heterogeneity  31
    3.2.3 Conceptual Heterogeneity  31-32
    3.2.4 Semiotic heterogeneity  32
  3.3 More on Ontology Mapping  32-33
  3.4 Structure of an Alignment  33-34
  3.5 The mapping process  34-36
  3.6 Classification of Matching Techniques  36-38
    3.6.1 Element-level techniques  36-37
    3.6.2 Structure-level techniques  37-38
Chapter 4 Conditional Information Quantity Based Ontology Mapping  38-51
  4.1 Introduction  38-40
    4.1.1 Ontology  38-39
    4.1.2 Object  39
    4.1.3 Information quantity  39
    4.1.4 Condition  39
    4.1.5 Initial information quantity  39
    4.1.6 Conditional inforrmation quantity  39-40
  4.2 Determining conditional information quantity  40
    4.2.1 Method 1  40
    4.2.2 Method 2  40
  4.3 Computing similarity using Conditional Information Quantity  40-47
    4.3.1 Instance based similarity computation  40-42
    4.3.2 Comment based similarity computation  42-44
    4.3.3 Name based similarity computation  44-45
    4.3.4 Structure based similarity computation  45-46
    4.3.5 Property based similarity computation  46-47
  4.4 Combining results of multiple strategies based on Conditional Information Quantity  47-49
    4.4.1 Algorithm for multi-strategy combination  48-49
  4.5 Evaluation of ontology mapping using conditional information quantity  49-51
Chapter 5 Framework for purely semantic precision and recall of ontology mapping  51-63
  5.1 Introduction  51-52
  5.2 Preprocessing  52
  5.3 Partitioning of ontologies  52-53
    5.3.1 Partition function  53
  5.4 Distributed Description Logic  53-55
    5.4.1 Map-onto function  54-55
    5.4.2 Semantically equivalent alignments  55
  5.5 The proposed framework  55-56
    5.5.1 Purely semantic precision and recall  56
  5.6 Application oriented purely semantic precision and recall of ontology mapping  56-60
    5.6.1 Basic concepts for application oriented purely semantic precision and recall  57-58
    5.6.2 Purely semantic precision and recall of entities  58-59
    5.6.3 Weight functions  59-60
  5.7 Experimentation, results and comparison  60-63
Chapter 6 CONCLUSION AND FUTURE WORK  63-64
REFERENCES  64-69
ACKNOWLEDGEMENTS  69-70
ACHIEVEMENT  70

相似论文

  1. WordNet和《中国分类主题词表》的映射研究,G254
  2. 基于自然语言打印机人机交互方法研究与实现,TP11
  3. 基于关系数据库的本体半自动构建方法,TP311.13
  4. 本体在医疗信息整合中的应用与研究,TP391.1
  5. 基于本体的物流信息集成系统的研究,TP311.52
  6. 移动垂直搜索系统的研究,TP391.3
  7. 基于片段的大本体分块与映射方法研究,TP391.1
  8. 基于Web的中文元搜索引擎的研究及实现,TP391.3
  9. 基于BP神经网络的本体映射方法研究,TP311.52
  10. 基于元数据的领域异构数据交换技术研究,TP311.13
  11. 面向语义关系发现的本体映射技术研究与实现,TP391.1
  12. 基于多策略的自动化本体映射,TP391.1
  13. 基于本体的文本信息检索研究,TP391.1
  14. 基于本体的语义相关度算法研究,TP391.1
  15. 语义网中基于相似度计算的本体映射研究,TP391.1
  16. 信息检索中的查询扩展技术研究,TP391.3
  17. 基于本体的异构数据源集成的研究,TP311.52
  18. 基于领域本体集成的语义查询系统研究,TP391.1
  19. 基于语义相似度的本体映射方法研究,TP391.1
  20. 本体映射及其在跨智能空间中的应用研究,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 文字信息处理
© 2012 www.xueweilunwen.com