Page 258 - 《软件学报》2020年第9期
P. 258

陈德彦  等:专家视图与本体视图的语义映射方法                                                          2879


         体知识库.本体集成是指在建立一个新本体时重用其他现有的本体,大多数本体的创建都重用了已有的其他本
         体;本体集成通过本体扩展(ontology extension)构建新的本体.
             本体映射又称为本体对准(ontology alignment)      [3,59] ,本体映射是指通过对两个本体进行语义的联系,实现将
         源本体的实体(即资源)映射到目标本体实体上的过程;本体映射通过本体比较(ontology comparison)将两个或
         多个本体归并或合并为一个本体.本体集成和本体映射企图复用已有的本体快速构建新的领域本体,以满足领
         域应用的知识需求.本体集成过程会基于领域知识对复用的本体内容进行调整、修正和扩展,本体映射过程也
         会参考领域知识实现资源间语义的对准和修正,但现有的研究更多的强调对复用本体的处理,并未涉及本文的
         研究工作.

         6    总结和进一步的工作

             本文从具体实践中识别了 5 类语义映射的共性问题,对其进行了讨论,提出了对应的解决方案.然后,通过一
         个完整的应用案例对这 5 类语义映射方法进行了验证,证明了其可用性.这 5 类语义映射问题在所有领域中都
         存在,这里提出的语义映射方法也适用于各种类似的应用场景.语义映射的结果最终会用于领域问题的求解,所
         以还需要根据具体应用场景补充问题求解知识.问题求解结果的好坏取决于很多因素,例如语义映射方法的正
         确性、领域语义知识库的规模和质量、面对具体应用场景的问题求解知识的科学性和正确性等.
             除了本文讨论的几个语义映射的通用问题以外,在不同领域的各种应用场景中还存在很多其他需要解决
         的语义映射问题或建模方法问题,例如各个领域中都存在大量模糊的和不确定性的知识,如何对这些知识进行
         准确的语义建模和语义推理,是一个值得研究的共性问题.对于此类问题,现有的研究主要分为两类:从逻辑层
         面通过引入模糊逻辑对描述逻辑进行扩展,形成模糊描述逻辑;从本体描述语言层面对领域本体进行模糊扩展,
         形成模糊本体.但这两类研究都存在很多不足,需要深入探讨.

         References:
          [1]    Studer  R, Benjamins  VR,  Fensel  D. Knowledge engineering:  Principles and methods. Data and Knowledge Engineering,  1998,
             25(1/2):161−197. [doi: 10.1016/S0169-023X(97)00056-6]
          [2]    Berners-Lee T, Hendler J, Lassila O. The semantic Web: A new form of web content that is meaningful to computers will unleash a
             revolution of new possibilities. Scientific American, 2001,284(5):34−43.
          [3]    Hebeler J, Fisher M, Blace R, Perez-Lopez A. Semantic Web Programming. Indianapolis: Wiley Publishing, 2009.
          [4]    Manola F, Miller E, McBride B. RDF 1.1 primer. W3C, 20140225, 2014. https://www.w3.org/TR/rdf11-primer/
          [5]    Brickley D, Guha RV. RDF schema 1.1. W3C, 20140225, 2014. https://www.w3.org/TR/2014/REC-rdf-schema-20140225/
          [6]    Smith MK, Welty C,  McGuinness DL. OWL  Web Ontology Language Guide.  W3C,  20040210,  2004.  https://www.w3.org/TR/
             2004/REC-owl-guide-20040210/
          [7]    Protégé ontology editor. http://protege.stanford.edu/
          [8]    Sure Y, Angele J, Staab S. OntoEdit: Multifaceted inferencing for ontology engineering. Journal on Data Semantics I, 2003,2800:
             128−152. [doi: 10.1007/978-3-540-39733-5_6]
          [9]    KAON: The karlsruhe ontology and semantic Web tool suite. http://www.aifb.kit.edu/web/KAON
         [10]    Antoniou G, Harmelen FV. A Semantic Web Primer. 2nd ed., Cambridge: MIT Press, 2008.
         [11]    Kim IW, Lee KH. A model-driven approach for describing semantic Webservices: From UML to OWL-S. IEEE Trans. on Systems,
             Man, and Cybernetics Part C: Applications and Reviews, 2009,39(6):637−646. [doi: 10.1109/TSMCC.2009.2023798]
         [12]    Iribarne L, Padilla N, Asensio JA, Criado J, Ayala R, Almendros J, Menenti M. Open-Environmental ontology modeling. IEEE
             Trans. on Systems, Man and Humans, 2011,41(4):730−745. [doi: 10.1109/TSMCA.2011.2132706]
         [13]    Lee CS, Kao YF, Kuo YH,  Wang MH.  Automated  ontology construction  for  unstructured  text  documents. Data &  Knowledge
             Engineering, 2007,60:155−176. [doi: 10.1016/j.datak.2006.04.001]
   253   254   255   256   257   258   259   260   261   262   263