[论文解读] Ontology alignment repair through modularization and confidence-based heuristics

Emanuel Santos, Daniel Faria+2 more|arXiv (Cornell University)|Jul 19, 2013

Semantic Web and Ontologies被引用 8

一句话总结

本文提出了一种新颖的本体对齐修复技术，利用本体模块化技术隔离引发不一致性的片段，并应用基于置信度的启发式方法，以最小化不一致性和被移除的映射数量。在生物医学本体对齐任务上的评估表明，该方法在一致性和F-measure方面优于当前最先进的工具，生成了更优的银标准对齐结果。

ABSTRACT

Ontology Matching aims to find a set of semantic correspondences, called an alignment, between related ontologies. In recent years, there has been a growing interest in efficient and effective matching methods for large ontologies. However, most of the alignments produced for large ontologies are logically incoherent. It was only recently that the use of repair techniques to improve the quality of ontology alignments has been explored. In this paper we present a novel technique for detecting incoherent concepts based on ontology modularization, and a new repair algorithm that minimizes the incoherence of the resulting alignment and the number of matches removed from the input alignment. An implementation was done as part of a lightweight version of AgreementMaker system, a successful ontology matching platform, and evaluated using a set of four benchmark biomedical ontology matching tasks. Our results show that our implementation is efficient and produces better alignments with respect to their coherence and f-measure than the state of the art repairing tools. They also show that our implementation is a better alternative for producing coherent silver standard alignments.

研究动机与目标

• 为解决大规模本体对齐中由于不相交性限制导致的逻辑不一致性这一关键问题。
• 在修复过程中最小化被移除的映射数量，同时最大化对齐的一致性。
• 克服现有基于推理的修复技术在大规模生物医学本体中面临的可扩展性限制。
• 通过模块化和基于置信度的过滤，开发一种高效、近似最优的修复流程。

提出的方法

• 通过本体模块化技术提取仅包含不相交性引发不一致性所涉及的类和关系的核心本体片段。
• 应用启发式方法识别应被移除的映射的近似最优集合，优先移除低置信度的映射。
• 利用映射的置信度值作为过滤器，指导修复过程并减少对对齐召回率的影响。
• 在修改版的AgreementMaker系统（OMSZ）中实现轻量级修复模块，以支持集成与评估。
• 采用局部、不完全的修复策略，在保证结果高一致性的前提下维持可扩展性。
• 在四个OAEI大规模生物医学赛道对齐任务上，使用银标准基准验证了该方法的有效性。

实验结果

研究问题

• RQ1 本体模块化能否有效隔离导致大规模本体对齐中不一致性的最小片段？
• RQ2 基于置信度的过滤如何改善修复过程中对齐一致性与召回率之间的权衡？
• RQ3 与现有工具相比，所提出的方法在最小化被移除映射数量的同时，能在多大程度上减少不一致性？
• RQ4 修复过程能否在不牺牲质量的前提下，实现足够高效和可扩展，以适用于大规模生物医学本体？
• RQ5 置信度阈值的选择如何影响最终对齐的质量与一致性？

主要发现

• 在FMA-NCI对齐任务中，该方法实现了97.5%的精确率、71.5%的召回率和83.5%的F-measure，显著优于LogMap2和ALCOMO在一致性和F-measure方面的表现。
• 在FMA-SNOMED任务中，OMSZ生成的对齐仅包含8个不一致类（原始对齐中为12,369个），而LogMap2产生了242个不一致类。
• 在SNOMED-NCI对齐任务中，OMSZ在未使用过滤的情况下将F-measure提升了0.9%（达到74.7%），优于LogMap2的0.3%提升。
• 使用0.1的置信度阈值进行过滤后，FMA-SNOMED案例中的不一致性被减少至仅8个类，证明了基于置信度过滤的有效性。
• ALCOMO在两个任务（FMA-SNOMED和SNOMED-NCI）中未能完成运行，而LogMap2产生的不一致类数量远多于所提出的方法。
• 该方法生成的对齐质量优于OAEI官方工具修复后的银标准对齐结果，证明了其在基准测试中的优越性。