计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2004年
12期
2181-2188
,共8页
语义网格%Ontology匹配%多策略学习%匹配委员会
語義網格%Ontology匹配%多策略學習%匹配委員會
어의망격%Ontology필배%다책략학습%필배위원회
近些年来,语义Web和网格计算这两个方向在各自的研究社区分别发展着,这两方面的交叉即语义网格(semantic grid)则是最近一段时间兴起的研究领域.通过给网格附加语义层,能够促进网格自组织的形成.现有的Grid社区都是使用集中式的、一致性的、可扩充的Ontology库.超越集中式的语义存储是语义网格发展面临的最大挑战之一.针对网格社区间的Ontology异构性这个问题,提出了一种多策略的Ontology匹配学习方法.它使用多种分类方法来学习Ontology之间的匹配:使用一般的基于统计的分类方法来发现数据实例内部的分类特征;或者使用基于一阶逻辑的学习算法FOIL来发现数据实例之间的语义联系.在单个方法预测的基础上,匹配系统使用称之为最突出的冠军的匹配委员会方法来集成分类结果.实验表明在现实的知识领域中,系统能达到很高的匹配精度.
近些年來,語義Web和網格計算這兩箇方嚮在各自的研究社區分彆髮展著,這兩方麵的交扠即語義網格(semantic grid)則是最近一段時間興起的研究領域.通過給網格附加語義層,能夠促進網格自組織的形成.現有的Grid社區都是使用集中式的、一緻性的、可擴充的Ontology庫.超越集中式的語義存儲是語義網格髮展麵臨的最大挑戰之一.針對網格社區間的Ontology異構性這箇問題,提齣瞭一種多策略的Ontology匹配學習方法.它使用多種分類方法來學習Ontology之間的匹配:使用一般的基于統計的分類方法來髮現數據實例內部的分類特徵;或者使用基于一階邏輯的學習算法FOIL來髮現數據實例之間的語義聯繫.在單箇方法預測的基礎上,匹配繫統使用稱之為最突齣的冠軍的匹配委員會方法來集成分類結果.實驗錶明在現實的知識領域中,繫統能達到很高的匹配精度.
근사년래,어의Web화망격계산저량개방향재각자적연구사구분별발전착,저량방면적교차즉어의망격(semantic grid)칙시최근일단시간흥기적연구영역.통과급망격부가어의층,능구촉진망격자조직적형성.현유적Grid사구도시사용집중식적、일치성적、가확충적Ontology고.초월집중식적어의존저시어의망격발전면림적최대도전지일.침대망격사구간적Ontology이구성저개문제,제출료일충다책략적Ontology필배학습방법.타사용다충분류방법래학습Ontology지간적필배:사용일반적기우통계적분류방법래발현수거실례내부적분류특정;혹자사용기우일계라집적학습산법FOIL래발현수거실례지간적어의련계.재단개방법예측적기출상,필배계통사용칭지위최돌출적관군적필배위원회방법래집성분류결과.실험표명재현실적지식영역중,계통능체도흔고적필배정도.