[发明专利]一种基于真-伪三连体神经网络的本体匹配方法

说明书

本发明公开了一种基于真‑伪三连体神经网络的本体匹配方法，步骤如下：从待匹配本体中提取核心实体集；利用混合相似度度量方法构建训练数据集；对训练数据集进行字符嵌入，得到字符向量；将字符向量送入真‑伪三连体神经网络中进行模型训练；对验证数据集进行匹配；对匹配结果进行评估。本发明能够同时通过SNN和PNN对本体中的同类以及异类注释属性进行语义学习，得到的语义特征更能全面表示实体的语义信息，有效促进了本体匹配结果质量的提高，很好地解决了现有的本体匹配方法无法全面学习本体的语义信息、导致得到的语义特征并不能有效代表实体的语义信息、进而造成匹配结果的质量无法满足实际基于本体的智能系统间交互要求的问题。

技术领域

本发明涉及机器学习的本体匹配领域，尤其是涉及一种基于真-伪三连体神经网络的本体匹配方法。

背景技术

本体是概念化的明确的规范说明^[1]，即对某个领域中存在的实体以及它们之间关系的正式和规范化的描述。本体能够使得基于知识的智能系统自动、准确地理解彼此数据的真实含义，在语义层面上实现系统间的交互与协作，因而被广泛地应用在语义标注、数据格式标准化、知识表示和共享等应用领域。为了满足巨大的应用需求，各领域本体工程师近年来开发了大量的本体，如汽轮发电机组本体、传感器本体等。

然而，由于本体工程师不同的知识背景，在描述同领域相同实体时存在差异。例如在传感器本体中某类名称为“Input”，而在另一个本体中该类则被称为“Sensor Input”，这就导致了本体的异质问题，其严重地阻碍了基于本体的智能系统之间的交互与协作。

本体匹配是目前解决本体异质问题的最有效的方法，相似度度量技术是本体匹配方法中核心技术，用来计算实体间的相似度值。为了应对不同的异质情况，基于术语的和基于语义的相似度度量技术分别应用而生。N-gram^[2]和Cosine^[3]是基于术语的相似度度量技术中代表性技术，分别应用待匹配实体的子字符串和向量实现相似度度量，其中Cosine能够对长文本具有突出的度量效果；Sim_WP^[4]常将WordNet^[5]作为外部知识库，从语义的角度进行相似度度量，通过使用外部知识库常可以取得良好的匹配结果。

然而由于本体异质情况的复杂性，以及对高质量语义交互的需求，仅在匹配过程中使用相似度度量技术已无法满足实际要求。基于机器学习的本体匹配方法可以通过字符嵌入技术确定待匹配实体的语义特征，进而判断本体中实体间的对应关系，能够有效解决本体匹配的异质问题。

Bento等人^[6]将本体匹配看做二分类问题，将参考对齐作为输入，采用卷积神经网络(Convolutional Neural Networks,CNN)进行语义学习，以机器学习代替相似度度量技术，提高了时间性能，方法具有良好的普适性。

Jiang等人^[7]提出了一种基于长短期记忆网络(Long Short-term Memory,LSTM)的本体匹配方法，通过使用实体的结构和语义信息来匹配本体，实现了更好的匹配效果。

Iyer等人^[8]为了使得字符嵌入更能体现实体的语义及其结构信息，提出了一种基于监督学习的神经网络来匹配本体，该方法利用双重注意力来生成实体的上下文表示，并在最先进的相似度度量方法中表现出卓越的性能。然而，大多数基于机器学习的本体匹配方法都需要使用参考对齐，这在实际的匹配任务中往往是不能满足的。

针对该问题，Xue等人^[9]提出基于孪生神经网络的本体匹配技术(Siamese NeuralNetwork based Ontology Matching technique，SNN-OM)，通过组合多种相似度度量技术结合逻辑规则构建训练数据集，并采用孪生网络利用两个共享参数的网络结构学习同类实体的语义特征，实现了较好的匹配效果。