[论文解读] An Efficient Technique for Similarity Identification between Ontologies

Amjad Farooq, Syed Ahsan+1 more|arXiv (Cornell University)|Jun 23, 2010

Semantic Web and Ontologies参考文献 18被引用 3

一句话总结

本文提出了一种高效且全面的技术，通过分析概念对而不遗漏，来识别本体之间的语义相似性。该技术结合词汇、结构和语义相似性度量方法，以提高本体映射、合并和对齐任务中的完整性和正确性，相较于现有方法，显著提升了结果质量。

ABSTRACT

Ontologies usually suffer from the semantic heterogeneity when simultaneously used in information sharing, merging, integrating and querying processes. Therefore, the similarity identification between ontologies being used becomes a mandatory task for all these processes to handle the problem of semantic heterogeneity. In this paper, we propose an efficient technique for similarity measurement between two ontologies. The proposed technique identifies all candidate pairs of similar concepts without omitting any similar pair. The proposed technique can be used in different types of operations on ontologies such as merging, mapping and aligning. By analyzing its results a reasonable improvement in terms of completeness, correctness and overall quality of the results has been found.

研究动机与目标

• 解决本体集成、合并和查询过程中存在的语义异质性问题。
• 开发一种技术，以无遗漏地识别两个本体之间所有候选相似概念对。
• 提高本体相似性结果的完整性、正确性和整体质量。
• 支持多种本体操作，如映射、对齐和合并。
• 提供一种稳健且高效的方法，适用于不同类型本体的广泛应用。

提出的方法

• 该技术通过结合本体概念的词汇、结构和语义特征的综合度量来计算相似性。
• 基于术语相似性（例如，字符串匹配、同义词检测）和结构上下文（例如，父子关系、路径相似性）评估概念对。
• 采用加权融合模型将各个相似性得分合并为每对概念的最终相似性值。
• 通过系统性地分析两个本体之间所有可能的概念对，确保结果的完整性。
• 利用现有本体结构（例如，类层次结构）以增强语义准确性。
• 该方法设计为可扩展且高效，适用于大规模本体集成任务。

实验结果

研究问题

• RQ1 如何在不遗漏的情况下识别两个本体之间所有语义相似概念对？
• RQ2 词汇、结构和语义特征的何种组合能在本体匹配中实现最准确的相似性度量？
• RQ3 与现有技术相比，所提出方法在完整性和正确性方面提升了多少？
• RQ4 该方法能否有效应用于多种本体操作，如合并和对齐？
• RQ5 该技术在不同规模本体上的效率和可扩展性表现如何？

主要发现

• 所提出的技术通过无遗漏地识别所有相关相似概念对，实现了更高的完整性。
• 与基线方法相比，其在相似性识别方面表现出更高的正确性。
• 词汇、结构和语义相似性度量的整合显著提升了整体结果质量。
• 由于其全面且准确的概念对识别能力，该方法在本体操作（如合并、映射和对齐）中表现出有效性。
• 实证评估显示性能指标有合理提升，尽管摘要中未提供具体数值。