[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

说明书

技术领域

本发明涉及一种基于面向映射的分块技术的大规模本体映射方法。

背景技术

在医学、农林学和环境科学等众多领域中的研究者都要用到生物医学的数据源和工具来从事像药物发明或是从事环境对人体健康的影响因素等研究。因此在近十年内，产生了数量众多的分布在网络上的生物医学数据源。然而，随着在线的生物医学数据和相应的检索工具的数量的增长，研究者想在网上检索所需的生物医学信息（如通过某个病理条件下的一种基因来检索相关的疾病），这一过程不仅速度缓慢而且容易出错。因此集成不同的生物医学资源被认为是解决同时访问多个异质数据源的有效方案。然而大部分的生物医学系统的开发过程都是彼此独立的，并没有共同的数据结构和共享的数据字典，这就使得数据模式的异质性问题成为了数据资源集成的主要障碍。随着生物医学语义网的出现，很大程度上缓解了生物医学数据源间数据异质性问题。生物医学语义网的关键就是生物医学本体的开发。近些年来，生物医学领域的专家开发了数量众多的生物医学本体（如关于疾病、解剖学和遗传基因的本体），其中有不少本体中的信息是有交叉的（如两个本体中的一些实体在语义上是等价的）。

由于本体可以有效地共享与复用知识和数据而被广泛地应用在语义网的异质数据源的交互中。然而由于人的主观性，同一个应用领域的不同本体可能用不同的方式定义同一个实体对象，产生了本体异质问题。解决该问题的方法是找出不同本体中实体间的对应关系，这一过程被称为本体映射。对于拥有上百万个概念实体的大规模的本体而言，通过人为的方式来完成本体映射是不现实的。因此，需要开发高效的本体映射系统来自动完成大规模本体映射任务。

另外，近年来，地理信息受到了越来越多的关注。对于全球定位系统的构建、全新的可视化技术、用于获取地理数据的设备以及开发出可以集成不同的已有技术和设备的可存储和使用地理信息的系统的需求正不断增加。此外，由于地理空间语义网的成功，出现了越来越多的地理空间本体，这些本体可以用于描述地理空间科学领域的地理概念以及概念间的关系。随着这些地理空间本体的上层应用的发展，本体中的数据数量也在飞速增加。可是由于地理空间领域的数据具有模糊性、不确定性以及粒度级别众多等特点，同一个地理位置在不同的本体中可能具有不同的文件格式、表示类型、坐标参考系统、自然语言描绘等，这种快速的数据增长导致不同的地理空间本体之间的异质性问题变得越来越严重。如何集成这些地理空间本体，并在此基础上实现不同的上层的应用系统间的协作具有重大的现实意义。

对于大规模本体映射技术而言，如何缩小待处理的数据规模是找出正确实体映射的关键。将待映射的本体划分为小规模的分块，通过映射相似的分块并集成多个映射结果是当前主流的技术。当前采用分块技术的大规模本体映射系统有COMA++、Falcon-AO、Anchor-Flood、Lily、GOMMA、LogMAP等，然而这些映射系统中采用的分块技术都没有考虑到分块过程中的映射目的，即对本体执行分块的过程与后续的映射过程是相对独立的两个步骤，这样就无法保证最终的本体映射结果的质量。针对这一问题，本发明提出采用面向映射的分块技术并将分块间的映射过程视为一个多目标优化问题，并通过多目标进化算法NSGA-II求解该问题，获取本体映射结果。

在已有的技术方案中，Falcon-AO1,2同样也是通过基于分块的技术来实现大规模本体映射，同本发明的方案最为近似。Falcon-AO采用的是基于结构的相似度度量方法来形成分块，不同的本体分块之间的外部相似度和内部相似度采用以下公式计算：