[发明专利]一种基于紧凑进化算法的本体匹配方法

摘要

本发明公开了一种基于紧凑进化算法的本体匹配方法，包括如下步骤：步骤1)给定两个本体O₁和O₂，针对不同相似度度量技术获取不同的本体匹配结果；步骤2)采用基于元模型的紧凑遗传算法求解获取最优的集成权重向量。本发明针对现有的基于进化算法的本体元匹配系统在本体匹配过程中构建完整的群体参与进化过程导致内存消耗过大的问题以及在实际应用中评价个体消耗的内存和时间太大的问题，提出了采用紧凑遗传算法来减少群体消耗的内存量，并在紧凑遗传算法中利用元模型来进一步减少算法在求解过程中所需的内存量和时间。

主权项

一种基于紧凑进化算法的本体匹配方法，其特征在于，包括如下步骤：步骤1)给定两个本体O₁＝(C₁,P₁,I₁),O₂＝(C₂,P₂,I₂)；其中O₁和O₂分别表示两个本体；C₁和C₂分别为O₁和O₂中概念的集合；P₁和P₂分别为O₁和O₂中概念之间关系的集合；I₁和I₂分别为O₁和O₂中实例的集合，所述实例为概念对应的实际数据对象；生成配对矩阵，配对矩阵的行和列分别为O₁和O₂中的实例，通过相似度度量技术对配对矩阵内的实例对进行相似度评价生成相似度值并形成相似度矩阵，每种相似度度量技术对应一个相似度矩阵；对每个相似度矩阵分别设置权重向量；集合所有的权重向量形成集成权重向量，根据集成权重向量将各相似度矩阵合并生成最终相似度矩阵；集成权重向量的生成方法为：通过在区间[0,1]中随机确定分割点来间接地表示每个相似度矩阵的权重；分割点集合为：c'＝{c′₁,c′₂,...,c′_p‑1}，其中P表示采用的相似度度量技术的数量；将分割点集合中的元素按照升序排列，得到新的集合c＝{c₁,c₂,...,c_p‑1}；根据新的集合c＝{c₁,c₂,...,c_p‑1}，某一相似度矩阵的权重w_k为：$w_k=\left\{\begin{array}{c}{c}_1,k=1\\ c_k-c_{k-1},1\<k\<p\\ 1-c_{p-1},k=p\end{array}\right.---\left(1\right)$根据相似度矩阵的权重w_k集成所有的相似度矩阵：$\mathrm{\φ}\left(\stackrel{\→}{s}\right(c),-\stackrel{\→}{w})=\underset{i=1}{\overset{n}{\Σ}}{w}_i{s}_i\left(c\right)---\left(2\right)$其中，表示通过权重向量生成的最终相似度矩阵；为所有相似度矩阵的集合；为所有权重向量的集合；n为相似度度量技术的个数；s_i(C)表示第i个相似度矩阵；w_i表示第i个权重向量；c表示配对矩阵；步骤2)求解本体元匹配问题：2.1)建立本体元匹配问题的优化模型：$\left\{\begin{array}{cc}max& f-measure\left(X\right)\\ s.t.& X={(x_1,x_2,\mathrm{...},x_{n+1})}^T\\ & x_i\∈\[0,1\],i=\mathrm{1...}n+1\end{array}\right.---\left(3\right)$其中，max f‑measure(X)表示目标函数是最大化f‑measure值，f‑measure(X)用于度量匹配结果的质量；X表示本体源匹配系统中所需要确定的的参数向量；x_i表示参数值；n表示采用的相似度度量技术的个数，x_n+1表示用于过滤最终匹配结果的阈值；2.2)使用进化算法重复步骤1)，并且使用优化模型评价最终相似度矩阵；其中，根据每次生成的集成权重向量和优化模型的评价结果建立集成权重向量的元模型，根据元模型计算出下次生成最终相似度矩阵时使用的集成权重向量；至得到最优解，所述最优解为最接近max f‑measure(X)的值的最终相似度矩阵。