[发明专利]基于面向映射的分块技术的大规模本体映射方法

权利要求书

1.一种基于面向映射的分块技术的大规模本体映射方法，其特征在于：包括： 

步骤10、对源本体进行划分，包括概念块初始化步骤和划分算法执行步骤，所述概念块初始化步骤中，本体中的每一个概念独自构成一个概念块，所述划分算法执行步骤中，根据概念块的大小和概念块之间的邻近概念相似度值来迭代地归并不同的概念块，形成一个临时概念块集； 

如果形成的临时概念块集合中的概念块规模同当前概念块集合的规模相同，算法终止，否则，算法将临时概念块集合取代当前概念块集合，并继续归并更多的概念块；如果概念块的规模为1或生成的临时概念块集合的内部相似度值小于某个阈值θ，则算法终止； 

步骤20、对目标本体进行划分，包括： 

步骤21、比较目标本体和源本体概念块中不同概念的名称、标签和备注信息的相似程度，从目标本体中选取同源本体概念块对应的候选概念集； 

步骤22、通过计算候选概念集中每个概念同源本体概念块间的关联值来进一步确定目标本体同源本体概念块对应的相关概念集； 

步骤30、映射本体概念块，包括： 

步骤31、提出基于无参考映射的本体映射结果评价体系，该本体映射结果评价体系采用两种不依赖于标准映射结果的指标，即MatchCoverage和Frequency来分别近似地获取映射结果的查全率和查准率，给定两个本体概念块S₁和S₂，MatchCoverage和Frequency分别由以下两个公式计算： 

其中和分别是S₁和S₂中映射上的实体个数，和分别是S₁和S₂中所有实体的个数，是映射结果中的映射个数，MatchCoverage等于1，意味着映射结果的查全率很高；Frequency的值等于1，意味着映射结果的查准很高； 

步骤32、将本体概念块映射问题的优化模型视为一种双目标的优化问题，并且针对该问题设计了一种NSGA-II算法以解决，该NSGA-II算法为： 

（1）、先确定群体中个体的编码方案； 

（2）、确定算法的适应度函数，该适应度函数是步骤31中的分别用于计算MatchCoverage和Frequency的两个目标函数； 

（3）、确定算法的遗传算子； 

（4）、根据群体更新策略生成下一代个体； 

步骤40、通过NSGA-II方法获取的不同概念块之间的映射结果通过贪心算法集成，以获取最终的本体映射结果。 

2.根据权利要求1所述的基于面向映射的分块技术的大规模本体映射方法，其特征在于：所述步骤10是采用基于邻近概念的相似度度量技术，本体中不同概念块间的邻近概念相似度取决于共同的邻近概念数量，给定两个概念块C1和C2，它们的邻近概念相似度由以下公式计算： 

其中|C₁|和|C₂|分别是两个概念块C1和C2中概念的个数，|NC(c_i)|是概念块C₁中某个概念c_i和它的邻近概念组成的集合，|NC(c_j)|是概念块C₂中某个概念c_j和它的邻近概念组成的集合，某个概念的邻近概念集合指的是在本体概念结构图中所有同该概念的最短路径距离小等于2的概念； 

此外，概念块集合S的内部相似度值由以下公式计算：