[论文解读] PARIS: Probabilistic Alignment of Relations, Instances, and Schema

Fabian M. Suchanek, Serge Abiteboul+1 more|arXiv (Cornell University)|Nov 30, 2011

Semantic Web and Ontologies被引用 65

一句话总结

PARIS 是一种用于整体本体对齐的概率框架，通过无需参数调优的概率匹配方法，同时对齐实例、关系和模式元素。它通过建模功能依赖性和概率推理来实现实体等价性，从而在大型现实世界本体上达到约 90% 的精确率。

ABSTRACT

One of the main challenges that the Semantic Web faces is the integration of a growing number of independently designed ontologies. In this work, we present PARIS, an approach for the automatic alignment of ontologies. PARIS aligns not only instances, but also relations and classes. Alignments at the instance level cross-fertilize with alignments at the schema level. Thereby, our system provides a truly holistic solution to the problem of ontology alignment. The heart of the approach is probabilistic, i.e., we measure degrees of matchings based on probability estimates. This allows PARIS to run without any parameter tuning. We demonstrate the efficiency of the algorithm and its precision through extensive experiments. In particular, we obtain a precision of around 90% in experiments with some of the world's largest ontologies.

研究动机与目标

• 解决在语义网络中整合独立设计的本体所面临的挑战。
• 以统一、整体的方式实现实例和模式元素（类和关系）的自动对齐。
• 消除本体对齐系统中手动参数调优的需求。
• 为大规模本体集成提供可扩展、高效且高精度的解决方案。

提出的方法

• 使用概率模型基于共享关系和功能依赖性来估计实体等价的可能性。
• 采用调和平均数计算全局关系功能度，相比算术平均数更具鲁棒性。
• 通过独立性假设简化复杂逻辑规则的概率计算。
• 通过标准恒等式（例如，Pr(A ∧ B) = Pr(A) × Pr(B)）进行递归概率分解，建模实例等价性。
• 将功能度评分整合到等价概率估计中，以优先考虑高度受限的关系。
• 使用考虑关系功能度的 probabilistic 等价度量，支持实例属性的集合级比较。

实验结果

研究问题

• RQ1 统一框架能否以高精度同时对齐实例、关系和模式元素？
• RQ2 如何利用概率推理在无需参数调优的情况下估计实体等价性？
• RQ3 在大规模本体中，功能依赖性在多大程度上能提升对齐精度？
• RQ4 在对齐任务中，调和平均数是否能比算术平均数提供更鲁棒的关系功能度量？

主要发现

• PARIS 在世界最大本体之一的实验中实现了约 90% 的精确率。
• 该系统无需任何参数调优，完全依赖于从数据中推导出的概率估计。
• 基于调和平均数的功能度估计提高了等价概率计算的鲁棒性。
• 功能依赖性通过优先考虑高度受限的关系，显著提升了对齐精度。
• 模式层与实例层对齐的整合通过相互促进，提升了整体精确率。
• 概率模型通过独立性假设有效近似了复杂的逻辑规则，实现了高效计算。