[发明专利]一种基于机器学习的图书本体匹配方法

说明书

技术领域

本发明属于本体匹配领域，涉及一种基于机器学习的图书本体匹配方法。

背景技术

近年来，随着语义万维网的不断发展，越来越多的知识以本体的形式发布在万维网中。本体作为一种新的且具有代表性的知识表现形式，在语义万维网的发展与部署中扮演着不可忽视的作用，越来越多的组织及个人构建不同领域的基于本体的应用，包括电子商务、生命科学、社交媒体、地理信息等。随着互联网中本体数量的不断增加，必然存在多个本体来源于相关或相同的应用领域。由于来源于相关或相同领域的不同本体的构建方式不同，必然具有很大的信息互补性，这样对于使用不同但相关的本体构建而成的应用而言，隐含了很大的交互空间。所以，使用本体匹配技术将相关本体联系在一起是一件极富意义而且极具挑战的工作。

由于本体的构建方式不同，因此语义异构的问题是本体匹配技术所面对的最大的挑战。近年来，国内外研究人员为了解决本体匹配中的语义异构问题，许多实用系统被研制而成，包括东南大学的Falcon系统、Lily系统，卡尔斯鲁厄大学的FOMA系统、APFEL系统，清华大学与香港科技大学的RIMOM系统，以及伊利诺伊大学的GLUE系统等。但是目前并未出现针对图书领域的本体匹配系统，仅仅使用领域无关的本体匹配系统来对图书领域的本体进行匹配，无法分析与挖掘出图书领域本体固有的特点，因此匹配效果并不尽如人意，达不到实用要求。

本文中提出的基于机器学习的图书本体匹配方法，分析图书本体中所固有的属性特征，使用了启发式实例匹配规则与基于监督学习的决策模型进行实例匹配。在实例匹配完成的基础之上。定义了概念间的不对称的字符串相似度、相关概念集合相似度、相关概念向量相似度、文本上下文相似度以及实例集合相似度作为每个概念对的特征，再使用基于半监督学习的标签传播算法进行概念匹配，从而完成图书领域本体匹配的任务。

发明内容

技术问题：本发明提供一种对于给定的两个图书本体，不仅能够自动挖掘不同图书本体中实例间的等价关系，而且可以挖掘不同图书本体中概念间的上下位与等价关系的基于机器学习的图书本体匹配方法。

技术方案：本发明的基于机器学习的图书本体匹配方法，首先从给定的两个图书本体中抽取出待匹配的实例对与概念对；对于所有实例对，顺序使用启发式实例匹配规则与基于监督学习的决策模型进行实例间等价关系的判断；然后为所有待匹配的概念对生成反向概念对，再利用基于半监督学习的标签传播算法进行概念间上下位与等价关系的判断；从而获得所有实例匹配与概念匹配的结果。

本发明的基于机器学习的图书本体匹配方法，包括如下步骤：

1)分别遍历两个给定待匹配图书本体的实例集合与概念集合，生成待匹配实例对集合IP与待匹配的概念对集合CP，其中IP＝{(I₁₁,I₂₁),(I₁₁,I₂₂),…,(I₁₁,I_2m),(I₁₂,I₂₁),…(I₁₂,I_2m),…,(I_1(n-1),I_2m),(I_1n,I₂₁),…,(I_1n,I_2m)}，CP＝{(C₁₁,C₂₁),(C₁₁,C₂₂),…,(C₁₁,C_2t),(C₁₂,C₂₁),…(C₁₂,C_2t),…,(C_1(s-1),C_2t),(C_1s,C₂₁),…,(C_1s,C_2t)}，I_1i与C_1k分别为第一个图书本体的实例与概念，i∈{1,2,…,n}，k∈{1,2,…,s}，n与s分别为第一个图书本体中实例与概念的总量，I_2j与C_2p分别为第二个图书本体的实例与概念，j∈{1,2,…,m}，p∈{1,2,…,t}，m与t分别为第二个图书本体中实例与概念的总量，(I_1i,I_2j)为待匹配实例对，(C_1k,C_2p)为待匹配的概念对；