21815

21815

رويكردي مبتني برفازي به نهادهاي تطبيقي هستي شناسي

كارشناسي ارشد

نرم‌افزار

1398/9/16

دكتر محمدرضا كنگاوري

كامپيوتر

هستي‌شناسي، واژگان اشتراكي براي مدل‌سازي يك دامنه مورد علاقه كه نوع اشيا / مفاهيم ، خصوصيات‌شان و روابط شان را توصيف ميكند. همچنين يك ساختار براي ذخيره ، بازيابي و اشتراك گذاري دانش است و در شاخه هاي مختلف علوم كامپيوتر مانند : وب معنايي ، هوش مصنوعي ، مهندسي نرم افزار ، پايگاه هاي داده و پردازش زبان طبيعي مورد استفاده قرار مي گيرد. چون جبررابطه اي در طرح هاي پايگاههاي داده ، رسايي ، ندارد ، بنابراين، به دليل رسايي بالا و وجود مدل نظري معنايي ، به هستي شناسي علاقمند ميشويم . تطبيق هستي‌شناسي يك عمل مهم در مهندسي آنتالوژي مدرن است زيرا از محيط هاي ناهمگون كه در آن آنتالوژي ها طراحي شده ، توسعه يافته و قرار است اجرا شوند ، پشتيباني ميكند . فعاليت مهندسي هستي شناسي به پشتيباني تطبيق آنتالوژي (OM ) نياز دارد زيرا مهندسي هستي شناسي بايد با آنتالوژي‌هاي چندگانه ، توزيع شده و تكامل‌يافته سروكار داشته باشد . ارتباط موثر بين عاملها با استفاده از هستي شناسي هاي مختلف ، نيازمند تعيين قابليت همكاري معنايي ، مثلا ؛ توافق بين هستي شناسي هاي دو عامل ميباشد ، همچنين نياز به تطبيق آنتالوژي مثلا براي فرآيند ادغام و همترازي آنتالوژي‌ها براي ارتباط موثر بين عاملها ، درطيف وسيعي از كاربردها را موجب ميگردد. در تطبيق آنتالوژي ، تناظرات بين موجوديت هاي(سطح ساختار) آنتالوژي ، با استفاده از معيارهاي مسافت / شباهت تعيين مي‌شوند . مفهوم معيارشباهت در زمينه هاي مختلف علمي مانند ساختن تصميم ، تشخيص الگو ، يادگيري ماشين و پيش بيني بازار استفاده ميشود . همچنين روشهاي توپولوژيكي(مكان شناسي) در زمينه هايي مانند معناشناسي كاربرد دارند . ابتدا تعدادي از معيارهاي فازي شباهت رشته موجود را توضيح داديم ، سپس يك استراتژي رأي-گيري را با استفاده از اين معيارهاي فازي شباهت رشته بطور انتخابي، براي تجميع آنها بكار برديم تا به عنوان يك راه حل جايگزين در بهبود روش هاي شباهت موجود در نظر گرفته شود ؛ و چند نمونه ، براي ارزيابي استراتژي فوق مورد امتحان قرار گرفته است .

1398/12/20

A fuzzy-Based Approach to the Entities of Ontology Matching

12/7/2019 12:00:00 AM

Ontology is a common vocabulary for modeling a domain of interest that describes the type of objects / concepts, their properties, and their relationships. It is also a structure for storing, retrieving and sharing knowledge, and is used in various branches of computer science such as: semantic web, artificial intelligence, software engineering, databases and natural language processing. Since there is no relational algebra in database designs, we are therefore interested in ontology because of its high expressiveness and semantic theoretical model. Ontological matching is an important practice in modern ontology engineering because it supports heterogeneous environments in which ontologies are designed, developed, and are to be implemented. Ontology engineering requires ontology matching (OM) support because ontology engineering must deal with multiple, distributed and evolved ontologies. Different approaches require semantic interoperability, for example, agreement between the ontologies of the two agents, as well as adaptation of the ontology, for example, to the integration process and alignment of the ontologies for effective communication between the agents across a wide range of applications.In the ontology matching, the correspondences between the ontology entities(element level) are determined using distance/similarity measures. The concept of similarity measure is used in various scientific fields such as decision making , pattern recognition , machine learning and market forecasting. Also topological methods (geology) Applied to areas such as semantics. First, we explain some of the existing fuzzy string similarity measure, then selectively apply a voting strategy using these fuzzy string similarity measure to integrate them as an alternative solution in Consider improving the similarity methods available.Several samples have been tested to evaluate the above strategy.