基于关联规则的本体相似度综合计算方法

doi:10.3724/SP.J.1087.2012.02472

计算机应用 ›› 2012, Vol. 32 ›› Issue (09): 2472-2475.DOI: 10.3724/SP.J.1087.2012.02472

基于关联规则的本体相似度综合计算方法

李华,苏乐^*

重庆大学计算机学院,重庆 400044

收稿日期:2012-02-27 修回日期:2012-04-26 发布日期:2012-09-01 出版日期:2012-09-01
通讯作者: 苏乐
作者简介:李华(1962-),女,重庆人,副教授,主要研究方向:计算机网络与通信、综合网络信息系统、现代远程教育; 苏乐(1983-),男,重庆人,硕士研究生,主要研究方向:计算机网络与通信、语义网、数据挖掘。
基金资助:
国家自然科学基金资助项目(71102065)

Comprehensive method of computing ontology similarity based on association rules

LI Hua,SU Le^*

College of Computer Science,Chongqing University,Chongqing 400044,China

Received:2012-02-27 Revised:2012-04-26 Online:2012-09-01 Published:2012-09-01
Contact: LE SU

摘要/Abstract

摘要： 目前较为流行的最小风险的本体映射(RiMOM)框架通过采用“多策略”的思想虽然取得了一定的效果,但其框架比较臃肿庞杂,且采用的计算结构相似度的选择策略存在一定的局限性。针对上述问题,提出一种基于关联规则的本体相似度综合计算方法。首先,构造关联规则的结构“树”模型,得出相应事务集;其次,进行关联规则的挖掘,根据关联规则计算概念结构的相似性;然后,计算概念的实例、属性、名称的相似度;最后,对多个特征相似度进行综合加权处理,实现本体相似度的最优计算。实验结果表明,该方法较RiMOM在查全率、查准率方面均有较大提高;同时该方法省去了策略选择的步骤,有效降低了时间复杂度。

关键词: 本体, 数据挖掘, 关联规则, 本体映射, 语义分析

Abstract: The recent Risk Minimization based Ontology Mapping (RiMOM), based on multi-strategy, in spite of certain improvements, has the shortcomings in complexity and redundancy, and limitations in similarity selection of structure characteristics. Therefore, a comprehensive method of computing ontology similarity based on association rules was proposed. First, the "tree" model of association rules was constructed to compute the structure similarity. Then the similarity of instances, properties, and names were also computed. Finally, a comprehensive method was used to achieve the optimal calculation of the ontology similarity. The experimental results show that this method has higher recall and precision ratio and less time complexity than RiMOM.

Key words: ontology, data mining, association rule, ontology mapping, semantic analysis

中图分类号:

李华苏乐. 基于关联规则的本体相似度综合计算方法[J]. 计算机应用, 2012, 32(09): 2472-2475.

LI Hua SU Le. Comprehensive method of computing ontology similarity based on association rules[J]. Journal of Computer Applications, 2012, 32(09): 2472-2475.

参考文献

[1]BELLAHSENE Z,BONIFATI A,RAHM E.Schema matching and mapping[M].Berlin:Springer-Verlag,2011:53-73.
[2]RAHM E.Towards large-scale schema and ontology matching [C]// Proceedings of Schema Matching and Mapping (Data-Centric Systems and Applications).Berlin:Springer-Verlag,2011:3-27.
[3]SHVAIKO P,EUZENAT J.Ten challenges for ontology matching[C]// Proceedings of the 2008 Conference on Ontologies,DataBases,and Applications of Semantics.Berlin:Springer-Verlag,2008:1163-1181.
[4]MARTINEZ-GIL J,NAVAS-DELGADO I,ALDANA-MONTES J F.MaF:An ontology matching framework[J].Journal of Universal Computer Science,2012,18(2):194-217.
[5]LIJUANZI,TANG JIE,LI YI,et al.RiMOM:A dynamic multistrategy ontology alignment framework[J].IEEE Transactions on Knowledge and Data Engineering,2009,21(8):1218-1232.
[6]VACCARI L,SHVAIKO P,PANE J,et al.An evaluation of ontology matching in geo-service applications[J].GeoInformatica,2012,16(1):31-66.
[7]边振兴.WordNet中概念语义相似度IC参数模型研究[J].计算机工程与应用,2011,47(19):128-131.
[8]CHANGRUI,LIU ZHIYI.An improved Apriori algorithm[C]// Proceedings of 2011 International Conference on Electronics and Optoelectronics.Washington,DC:IEEE Computer Society,2011:476-478.
[9]严蔚敏,吴伟民.数据结构[M].北京:清华大学出版社,2002:169-170.
[10]徐猛,刘宗田,周文.一种基于知网语义相似度计算的应用研究[J].微计算机信息,2010,26(3):207-209.
[11]EHRIG M,SURE Y.Ontology mapping:An integrated approach[C]// Proceedings of the 1st European Semantic Web Symposium.Heraklion,Greece:[s.n.],2004:10-12.
[12]曹泽文,钱杰,张维明.一种综合的概念相似度计算方法[J].计算机科学,2007,34(3):174-175.
[13]谷志锋,刘勇,郭跟成.基于相似度计算的本体映射优化方法[J].计算机工程,2008,34(19):56-57.
[14]EUZENAT J,RHONE-ALPES I.Semantic precision and recall for ontology alignment evaluation[C]// Proceedings of the 20th International Joint Conference on Artificial Intelligence.San Francisco:[s.n.],2007:248-253.
[15]刘金花,张友华,李绍稳.本体演化研究进展[J].计算机系统应用,2011,20(7):239-243.

基于关联规则的本体相似度综合计算方法

Comprehensive method of computing ontology similarity based on association rules

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李欢欢, 黄添强, 丁雪梅, 罗海峰, 黄丽清. 基于多尺度时空图卷积网络的交通出行需求预测[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2065-2072.
[2]	董瑶, 付怡雪, 董永峰, 史进, 陈晨. 不完整多视图聚类综述[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1673-1682.
[3]	杨克帅, 武优西, 耿萌, 刘靖宇, 李艳. 一次性条件下top-k高平均效用序列模式挖掘算法[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 477-484.
[4]	王朱佳, 余宙, 俞俊, 范建平. 基于多尺度时空Transformer的视频动态场景图生成模型[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 47-57.
[5]	郑浩东, 马华, 谢颖超, 唐文胜. 融合遗忘因素与记忆门的图神经网络知识追踪模型[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2747-2752.
[6]	黄硕, 李艳辉, 曹建秋. 本地化差分隐私下的频繁序列模式挖掘算法PrivSPM[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2057-2064.
[7]	蒋华, 李星, 王慧娇, 韦静海. 基于数据索引结构的跨级高效用项集挖掘算法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2200-2208.
[8]	祁超帅, 何文思, 焦毅, 马英红, 蔡伟, 任素萍. 无人机飞行数据异常检测算法综述[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1833-1841.
[9]	李元江, 权金升, 谭阳奕, 杨田. 基于相似和差异双视角的高维数据属性约简[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1467-1472.
[10]	邵小萌, 张猛. 融合注意力机制的时间卷积知识追踪模型[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 343-348.
[11]	李文全, 毛伊敏, 彭新东. 基于犹豫模糊集的凝聚式层次聚类算法[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3755-3763.
[12]	李兴佳, 杨秋辉, 洪玫, 潘春霞, 刘瑞航. 基于历史数据和多目标优化的测试用例排序方法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 221-226.
[13]	吴军, 欧阳艾嘉, 张琳. 基于影响度的统计显著序列模式挖掘算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2713-2721.
[14]	余顺坤, 闫泓序. 基于确定性因子的启发式属性值约简模型[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 469-474.
[15]	程靖云, 王布宏, 罗鹏. 基于深度语义融合的代码缺陷静态检测方法[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3170-3176.