基于AHP-熵权决策的本体映射优化算法

徐德智; 易晓媛; 汤哲

Chinese

您当前的位置：

首页 >

文章列表页 >

基于AHP-熵权决策的本体映射优化算法

更新时间：2026-09-04

- 基于AHP-熵权决策的本体映射优化算法
- An Ontology Mapping Optimization Algorithm Based on AHP and Entropy Weight Decision
- 微电子学与计算机 2017年34卷第11期页码：48-52
- 作者机构：
  
  中南大学信息科学与工程学院,湖南,长沙,410083
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 31470028
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
徐德智, 易晓媛, 汤哲. 基于AHP-熵权决策的本体映射优化算法[J]. 微电子学与计算机, 2017, 34(11): 48-52.

XU De-zhi, YI Xiao-yuan, TANG Zhe. An Ontology Mapping Optimization Algorithm Based on AHP and Entropy Weight Decision[J]. 2017, 34(11): 48-52.
徐德智, 易晓媛, 汤哲. 基于AHP-熵权决策的本体映射优化算法[J]. 微电子学与计算机, 2017, 34(11): 48-52. DOI：

XU De-zhi, YI Xiao-yuan, TANG Zhe. An Ontology Mapping Optimization Algorithm Based on AHP and Entropy Weight Decision[J]. 2017, 34(11): 48-52. DOI：

摘要

针对现阶段语义网本体映射结果缺乏针对性

映射效率低下等问题

现提出一种基于AHP(Analytic hierarchy process)层次分析法及熵权决策的本体映射优化算法.该方法首先解析目标本体

列出本体的各个特征向量

依据相应的公式计算出特征向量的置信度.其次

给出各映射策略

依据所提出的层次分析-熵权决策组合优化算法

进行映射多策略权值计算.最终

计算出映射结果.该方法有效的减少了映射冗余

更合理的分配了多策略权值

实验结果证明了其择优性.

Abstract

Currently

there are many problems in mapping Semantic Web ontology. For example

Ontology mapping results are inaccurate or time complexity is too high. This paper presents an ontology mapping algorithm based on Firstly

we should analysis the ontology and list the feature vector. Secondly

according to the proposed AHP and entropy weight decision

we map the multi-strategy weights. Finally

the result of the mapping is calculated. The method effectively reduces redundant and improve the efficiency. Experiment result has proved the effectiveness of these proposed methods.

关键词

Keywords

references

Isaac A, Van Der Meij L, Schlobach S, et al. An empirical study of instance-based ontology matching[M]. Berlin, Heidelberg, Springer, 2007: 253-266.

Wang Z, Bie R, Zhou M. Hybrid ontology matching for solving the heterogeneous problem of the IoT[C]//Trust, Security and Privacy in Computing and Communications (TrustCom), 2012 IEEE 11th International Conference on. Liverpool, United Kingdom, IEEE, 2012: 1799-1804.

廖晖寰. 基于本体特征的自适应映射方法研究[D]. 长沙: 中南大学, 2014.

Shvaiko P, Euzenat J. Ontology matching: state of the art and future challenges[J]. Knowledge and Data Engineering, IEEE Transactions on, 2013, 25(1): 158-176. DOI: 158

邹亮, 徐德智, 郭维. 基于参考点的大规模本体扩散映射算法[J]. 小型微型计算机系统, 2013, 34(7): 1507-1513. DOI: 1507

Kandpal A, Goudar R H, Chauhan R, et al. Effective ontology alignment: an approach for resolving the ontology heterogeneity problem for semantic information retrieval[M]. India, Springer, 2014: 1077-1087.

Heidelberg Euzenat J, Shvaiko P. Ontology matching[M]. Heidelberg: Springer, 2007.

Li Y, Li J Z, Zhang D, et al. Result of ontology alignment with RiMOM at OAEI'06[C]// Proceedings of the ISWC'2006 Workshop on Ontology Matching. USA, 2006, 173-182.

唐雅媛, 徐德智, 赖雅. 基于概念特征的语义相似度计算方法[J]. 计算机工程, 2012, 38(5): 170-172. DOI: 170

郭金维, 蒲绪强, 高祥, 等. 一种改进的多目标决策指标权重计算方法[J]. 西安电子科技大学学报, 2014, 41(6): 118-125. DOI: 118

赖雅, 王润梅, 徐德智. 基于参考点的大规模本体分块与映射[J]. 计算机应用研究, 2013, 30(2): 469-471. DOI: 469

Wang R, Wang L, Liu L, et al. Combination of the improved method for ontology mapping[J]. Physics Procedia, 2012, 25(22): 2167-2172. DOI: 2167

Helou M A, Palmonari M, Jarrar M. Effectiveness of automatic translations for cross-lingual ontology mapping[J]. J. Artif. Intell. Res. (JAIR), 2016, 55(1): 165-208. DOI: 165

Zhang L Y, Ren J D, Li X W. OIM-SM: A method for ontology integration based on semantic mapping[J]. Journal of Intelligent % Fuzzy Systems, 2017, 32(3): 1983-1995. DOI: 1983

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多尺度融合与小目标增强的航拍车辆检测算法

大模型发展综述：从BERT到Deepseek的技术演进

一种基于特征上下文理解与切片分析的肺结核检测算法

超低功耗实时时钟电路的设计

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真