基于多目标粒子群算法的本体元匹配方法组成比例

本发明专利技术提供的基于多目标粒子群算法的本体元匹配方法，通过更新公式的决策变量为本体元匹配寻找最合适的权重和阈值，从而获得质量最高的匹配结果，对粒子群优化算法问题进行求解，并通过与国际本体匹配竞赛(Ontology Alignment Evaluation Initiative,OAEI)参与者在benchmark测试数据集上进行了对比，实验结果证明能够更有效地匹配不同异质本体，从而实现跨领域的知识集成。实现跨领域的知识集成。实现跨领域的知识集成。

【技术实现步骤摘要】
基于多目标粒子群算法的本体元匹配方法


[0001]本专利技术涉及计算机
，特别涉及基于多目标粒子群算法的本体元匹配方法。

技术介绍

[0002]本体描述概念和概念之间关系的术语，涵盖了相关领域的知识和词汇。在计算机领域中，它指的是“形式化的，对于共享概念体系的明确而又详细的说明”，通过对概念体系中语义的共同理解和语义网的扩展，可以实现计算机信息系统语义上的互操作。然而对于不同的本体工程师来说，一个相同领域的本体可能有不同的构建方法，对一个概念的描述可能有不同的方式，这就会引入本体异构的问题。本体异构体现在三个方面，分别为系统异构、语法异构和层次异构，解决本体的异构问题是实现语义融合、知识共享的关键，本体匹配技术可以有效地消除语义异质，解决上述问题。
[0003]本体匹配方法研究如何确定两个异质本体中实体之间的等价关系，大体可以分为两大类，即本体元匹配方法和本体实体匹配方法。本体元匹配问题研究的是如何组合和调试不同的相似度度量方法以确定高质量的本体匹配结果，该问题是目前本体匹配领域的研究热点。为求解该问题，本体元匹配方法首先通过相似本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多目标粒子群算法的本体元匹配方法，其特征在于，包括步骤：S1、初始化多目标粒子群算法的种群，获取种群中第q个粒子的初始速度、初始位置和当前迭代次数；S2、获取待匹配的本体，并根据粒子的初始速度和初始位置计算得到初始目标函数值；S3、判断当前迭代次数是否满足预设迭代次数，若否，则通过更新公式对所述粒子的速度和位置进行更新，根据新的速度和位置计算得到新的目标函数值，并将当前迭代次数加1后返回步骤S3；若是，则输出当前迭代次数对应的速度、位置和目标函数值作为最优解。2.根据权利要求1所述的基于多目标粒子群算法的本体元匹配方法，其特征在于，所述步骤S2具体为：S21、获取待匹配的本体，并分别通过基于语言学的相似度度量技术、基于语义的相似度度量技术和基于结构的相似度度量技术；S22、根据所述粒子初始位置编码的权重将三个相似度矩阵集成得到相应的综合相似度矩阵；S23、根据所述综合相似度矩阵和预设的模型计算得到相应的初始目标函数值。3.根据权利要求2所述的基于多目标粒子群算法的本体元匹配方法，其特征在于，步骤S21具体为：获取待匹配的本体O1和O2，e
11
，
…
，e
1n
代表本体O1中的n个实体，e
21
，
…
，e
2m
代表本体O2中的m个实体；分别通过基于语言学的相似度度量技术、基于语义的相似度度量技术和基于结构的相似度度量技术；其中，基于语言学的相似度矩阵基于语义的相似度矩阵基于结构的相似度矩阵e
1i
表示本体O1中的第i个实体，i的取值范围为1至n，e
2j
表示本体O2中的第j个实体，j的取值范围为1至m；C(e
1i
，e
2j
)表示本体O1中的第i个实体和本体O2中的第j个实体的相似度值，n
i
表示O1中的第i个实体的长度，n
j
表示O1中的第i个实体的长度；depth()表示实体所代表的单词在WordNet的层次语义结构中的深度，lcs(e
1i
，e
2j
)表示e
1i
和e
2j
最接近的共同父概念；n
s
()表示实...

【专利技术属性】
技术研发人员：林为伟，薛醒思，耿爱峰，
申请(专利权)人：福建技术师范学院，
类型：发明
国别省市：