一種面向語(yǔ)義網(wǎng)服務(wù)的本體映射框架

(大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院，遼寧大連 116026）



摘 要：

本體的異構(gòu)性阻礙了語(yǔ)義網(wǎng)服務(wù)的互操作。從解決語(yǔ)義網(wǎng)服務(wù)中本體的異構(gòu)問(wèn)題出發(fā)，同時(shí)考慮到目前的本體映射系統(tǒng)大多效率不高、映射結(jié)果不夠準(zhǔn)確的問(wèn)題，提出了一種適用于語(yǔ)義網(wǎng)服務(wù)的本體映射方法及系統(tǒng)框架。該方法利用機(jī)器學(xué)習(xí)技術(shù)來(lái)提高本體映射的自動(dòng)化程度，利用綜合評(píng)判技術(shù)修正映射結(jié)果，以提高本體映射的準(zhǔn)確率。采用OAEI 2007的基準(zhǔn)測(cè)試數(shù)據(jù)集benchmarks進(jìn)行實(shí)驗(yàn)測(cè)試，結(jié)果表明本系統(tǒng)的性能基本達(dá)到預(yù)期效果，能夠有效地解決語(yǔ)義網(wǎng)服務(wù)中的本體異構(gòu)問(wèn)題。

關(guān)鍵詞：語(yǔ)義網(wǎng)服務(wù)； 本體映射； 相似度

中圖分類號(hào)：TP31 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695(2009)02-0620-03



Ontology mapping framework for semantic Web services



LU Ming， LI Guan-yu， SHI Yi-min

（School of Information Science Technology， Dalian Maritime University， Dalian Liaoning 116026， China)



Abstract:The heterogeneity of ontologies hinders the interoperability of semantic Web services. Aiming at solving the problems of heterogeneity among ontologies in semantic Web services， and taking into account the fact that the efficiency ofmost ontology mapping system is not high and the results of ontology mapping is not accurate enough， this paper proposed efficient ontology mapping method and system framework for semantic Web services， the method adopted machine learning techniques to enhance the degree of automation of ontology mapping， used comprehensive evaluation technology to amend the results of ontology mapping， so as to improved the accuracy of ontology mapping. With the data sets benchmarks of OAEI 2007 to test， experimental results show that the performance of the system achieves the desired effect， it can effectively eliminate the heterogeneity of ontologies for semantic Web services.

Key words：semantic Web services; ontology mapping; similarity



語(yǔ)義網(wǎng)服務(wù)(semantic Web services)是以語(yǔ)義網(wǎng)（semantic Web）和本體（ontology）為基礎(chǔ)的一個(gè)重要的基礎(chǔ)研究領(lǐng)域，其目標(biāo)是通過(guò)將語(yǔ)義網(wǎng)技術(shù)與Web 服務(wù)技術(shù)相結(jié)合，提供下一代網(wǎng)絡(luò)的集成技術(shù)[1]。在語(yǔ)義網(wǎng)服務(wù)中，用本體作為數(shù)據(jù)模型來(lái)定義Web服務(wù)所使用的術(shù)語(yǔ)，但是不同組織對(duì)同一領(lǐng)域的不同建模方式可能導(dǎo)致數(shù)據(jù)層的本體異構(gòu)問(wèn)題。在語(yǔ)義網(wǎng)服務(wù)中存在四種不同層次的異構(gòu)，即表示層、數(shù)據(jù)層、功能層和過(guò)程層。目前解決不同本體間的知識(shí)共享和重用問(wèn)題的有效方法就是本體映射，通過(guò)本體映射可以在多個(gè)本體之間找到語(yǔ)義相同或相似的對(duì)應(yīng)元素，從而在多個(gè)本體之間建立語(yǔ)義聯(lián)系，消除本體間的異構(gòu)現(xiàn)象。

然而，已有的本體映射系統(tǒng)不能很好地適用于語(yǔ)義網(wǎng)服務(wù)環(huán)境，其映射過(guò)程大多繁雜且容易出錯(cuò)，這極大地影響了語(yǔ)義網(wǎng)服務(wù)中知識(shí)的共享和重用。

1 國(guó)內(nèi)外相關(guān)研究工作

本體映射是由國(guó)外最先開(kāi)始研究的，所以在國(guó)外本體映射的研究要比國(guó)內(nèi)成熟，并且開(kāi)發(fā)出了一些工具。國(guó)外比較成熟的本體映射系統(tǒng)有QOM[2]、COMA[3]、GLUE[4]、S-Match[5]和MAFRA[6]；比較成熟的本體映射工具有InfoSleuth的參照本體（reference ontology）[7]，Stanford的本體代數(shù)（ontology algebra）[8]，AIFB的形式化概念分析（formal concept analysis）[9]，Williams和Tsatsoulis的本體映射和合并方法等。

針對(duì)語(yǔ)義網(wǎng)服務(wù)的本體映射研究工作有：

a)Burstein[10]認(rèn)識(shí)到本體間相互轉(zhuǎn)換的問(wèn)題，并就OWL本體間的映射作了初步的嘗試；

b)Castano等人[11]以O(shè)WL-Lite為描述語(yǔ)言的研究項(xiàng)目本體和以O(shè)WL-Full為描述語(yǔ)言的Web門(mén)戶本體的映射為例，討論了用H-MATCH算法實(shí)現(xiàn)語(yǔ)義網(wǎng)上OWL本體的映射；

c)Rodriguez等人[12]采用基于對(duì)象語(yǔ)言中的實(shí)例相似度計(jì)算方法，通過(guò)本體調(diào)整，實(shí)現(xiàn)以O(shè)WL-Lite為本體語(yǔ)言的不同本體的映射。

國(guó)內(nèi)對(duì)于本體映射的研究是近幾年才開(kāi)始的，與國(guó)外相比起步略晚一些，其系統(tǒng)也不是十分成熟。目前清華大學(xué)、東南大學(xué)、浙江大學(xué)、中科院等在進(jìn)行相關(guān)的研究，比較成熟的映射系統(tǒng)有Falcon-AO（東南大學(xué)）[13]、RiMOM（清華大學(xué)）[14]等。

目前國(guó)內(nèi)外針對(duì)語(yǔ)義網(wǎng)服務(wù)的本體映射研究工作尚處在探索嘗試階段，并且本體映射工作大多是由人工手動(dòng)來(lái)完成的，不僅過(guò)程繁雜，而且很容易出錯(cuò)。如何高效而準(zhǔn)確地進(jìn)行本體映射是一個(gè)值得研究的課題。

2 面向語(yǔ)義網(wǎng)服務(wù)的本體映射系統(tǒng)框架

國(guó)內(nèi)外已有很多本體映射系統(tǒng)，但適用于語(yǔ)義網(wǎng)服務(wù)這一特定環(huán)境的本體映射方法和系統(tǒng)工具卻不多，特別是在解決Web服務(wù)本體的異構(gòu)問(wèn)題上往往力不從心。針對(duì)這一問(wèn)題，本文提出了面向語(yǔ)義網(wǎng)服務(wù)的本體映射框架。其總體架構(gòu)層次如圖1所示。整個(gè)框架從下到上分為三個(gè)層次：

a)本體層(ontology layer)。主要功能是將服務(wù)的描述、注冊(cè)、服務(wù)輸入?yún)?shù)等通過(guò)本體（即Web服務(wù)本體）進(jìn)行描述，然后將服務(wù)注冊(cè)到服務(wù)注冊(cè)中心。當(dāng)服務(wù)被調(diào)用時(shí)，從服務(wù)調(diào)用請(qǐng)求中取出服務(wù)輸入?yún)?shù)，并根據(jù)Web服務(wù)本體和它所描述的Web服務(wù)的對(duì)應(yīng)關(guān)系將輸入?yún)?shù)轉(zhuǎn)換為系統(tǒng)內(nèi)部使用的信息形式，返回給中介層中的服務(wù)處理器，然后由服務(wù)處理器調(diào)用相應(yīng)的服務(wù)，進(jìn)而執(zhí)行服務(wù)中的具體操作。

b)中介層(mediation layer)。該層由本體映射處理器、服務(wù)匹配器、服務(wù)處理器、映射表數(shù)據(jù)庫(kù)及服務(wù)注冊(cè)中心組成。本體映射處理器將本體層提供的Web服務(wù)本體進(jìn)行語(yǔ)義映射，將生成的映射規(guī)則以映射表的形式存儲(chǔ)在數(shù)據(jù)庫(kù)中。這樣可以消除本體的異構(gòu)性，有利于本體的共享和重用。映射表數(shù)據(jù)庫(kù)可以作為Web服務(wù)的背景知識(shí)庫(kù)，以供服務(wù)匹配器使用。該層中各組件的工作流程如下：

（a）接收統(tǒng)一用戶接口API 向系統(tǒng)提交的服務(wù)查詢請(qǐng)求，服務(wù)匹配器根據(jù)用戶提交的服務(wù)查詢請(qǐng)求在服務(wù)注冊(cè)中心查找相應(yīng)的服務(wù)。當(dāng)用戶請(qǐng)求的服務(wù)與所注冊(cè)的服務(wù)在本體表示上不一致時(shí)，需要根據(jù)映射表數(shù)據(jù)庫(kù)中的映射規(guī)則進(jìn)行語(yǔ)義擴(kuò)展，將擴(kuò)展后的服務(wù)查詢請(qǐng)求分解為若干個(gè)子查詢，再把子查詢發(fā)送給服務(wù)注冊(cè)中心，將子查詢與服務(wù)進(jìn)行匹配。

（b）將匹配結(jié)果進(jìn)行整合，以統(tǒng)一的格式發(fā)送給服務(wù)處理器。服務(wù)注冊(cè)中心存儲(chǔ)的僅是服務(wù)的描述信息，而服務(wù)的實(shí)現(xiàn)是由中介層的服務(wù)處理器調(diào)用本體層的相應(yīng)服務(wù)來(lái)完成的。因此，當(dāng)服務(wù)的具體實(shí)現(xiàn)發(fā)生變化時(shí)，只要服務(wù)的描述信息不變，那么就無(wú)須對(duì)服務(wù)注冊(cè)中心存儲(chǔ)的信息進(jìn)行修改，將系統(tǒng)的維護(hù)工作盡量減少。

（c)用戶層(userlayer)。負(fù)責(zé)將用戶的服務(wù)請(qǐng)求命令提交給中介層，并將服務(wù)調(diào)用結(jié)果顯示給用戶。

整個(gè)平臺(tái)的核心組件是本體映射處理器，最為關(guān)鍵的技術(shù)是本體映射技術(shù)。

3 本體映射處理器

本體映射處理器的體系結(jié)構(gòu)如圖2所示。

本體映射處理器分為三個(gè)主要功能模塊：

a)相似度計(jì)算模塊。該模塊由兩種學(xué)習(xí)分類器組成，其總體思想是將本體映射問(wèn)題同構(gòu)為一個(gè)分類問(wèn)題。

(a)實(shí)例分類器。它是根據(jù)實(shí)例級(jí)本體映射方法來(lái)設(shè)計(jì)的，使用統(tǒng)計(jì)學(xué)的方法通過(guò)貝葉斯網(wǎng)絡(luò)[15]算法來(lái)實(shí)現(xiàn)。貝葉斯網(wǎng)絡(luò)又稱為置信網(wǎng)絡(luò)，表示變量間概率依賴關(guān)系的有向無(wú)環(huán)圖DAG，它提供了一種自然的表示因果信息的方法，用來(lái)發(fā)現(xiàn)數(shù)據(jù)間的潛在關(guān)系。在這個(gè)網(wǎng)絡(luò)中，用節(jié)點(diǎn)表示變量，有向邊表示變量間的依賴關(guān)系；同時(shí)每個(gè)節(jié)點(diǎn)都對(duì)應(yīng)著一個(gè)條件概率分布表CPT(conditional probability table)，指明該變量與父節(jié)點(diǎn)之間概率依賴的數(shù)量關(guān)系。這里主要是利用貝葉斯網(wǎng)絡(luò)的概率分布關(guān)系對(duì)本體中概念實(shí)例的分布進(jìn)行概率估計(jì)，基本功能是對(duì)待映射本體的概念實(shí)例進(jìn)行分類，將分類情況進(jìn)行概率統(tǒng)計(jì)，進(jìn)一步根據(jù)概率統(tǒng)計(jì)信息生成相似度矩陣。其具體分類思想與屬性分類器相同。

(b)屬性分類器。它是根據(jù)基于概念屬性的本體映射方法來(lái)設(shè)計(jì)的，采用的是樸素貝葉斯[16]的分類算法。假設(shè)一篇文檔中每個(gè)單詞的出現(xiàn)都是條件獨(dú)立于文檔中其他單詞，給定一個(gè)類別的集合C={c1 ，c2，…，cn}和一篇包含k個(gè)單詞的文檔{w1，w2，…，wk}。如果按照文檔中給定的單詞，屬于類別C*具有最大的概率，則將這篇文檔分類到類別C*，C*= arg C max Pr(c|w1，w2，wk )。實(shí)現(xiàn)樸素貝葉斯算法的關(guān)鍵步驟是估計(jì)詞的概率Pr( wi |c )。這里主要是將對(duì)文檔中單詞的概率分布估計(jì)算法運(yùn)用到對(duì)本體中屬性值的分布估計(jì)，其主要設(shè)計(jì)思想：

對(duì)于兩個(gè)本體O1和O2，假定C1是本體O1中的概念，C2是本體O2中的概念，并且C1與C2相似。如果A是C1的屬性，通過(guò)類型檢查可以找到C2中可能與之相等的屬性B，這里A和B的相似度可以用以下公式計(jì)算：

sim(A，B)=P(A∩B)/P(A∪B)=P(A，B)/

[P(A，B)+P(A，B)+P(A，B)]



由此可見(jiàn)，求A和B相似度的首要問(wèn)題是計(jì)算三個(gè)聯(lián)合概率。這里所用到的元素是這些屬性的取值。以A的屬性值為正訓(xùn)練樣本，C1中的其他屬性的值 為反訓(xùn)練樣本，通過(guò)樸素貝葉斯方法訓(xùn)練分類器，使用它對(duì)B中的屬性值進(jìn)行分類。假定U1為屬性A的屬性值集合，U2為屬性B的屬性值集合，N（U1）為U1中屬性值集合，U2為屬性B的屬性值集合，N（U1）為U1中屬性值的數(shù)目，N（U2）為U2中屬性值的數(shù)目。N（B，A）為可分類到A中的B的屬性值的數(shù)目。同理，可以以B的屬性值為正例，C2中的其他屬性的值為反例，通過(guò)樸素貝葉斯方法訓(xùn)練分類器，那么可以得到N（A，B）為可分類到B中的A的屬性值的數(shù)目，于是可以得到

取為最大—最小型Δ=（∧，∨），最大—積型Δ=（#8226;，∨）及加權(quán)平均型Δ=（#8226;，⊕）等。經(jīng)過(guò)分析對(duì)比，對(duì)相似度修正的綜合評(píng)判運(yùn)算采用了加權(quán)平均型。上述功能由該模塊的評(píng)判矩陣生成器和綜合評(píng)判運(yùn)算器來(lái)完成。主要工作過(guò)程是：評(píng)判矩陣生成器通過(guò)訓(xùn)練可以生成綜合評(píng)判矩陣，由綜合評(píng)判運(yùn)算器將綜合評(píng)判矩陣與相似度矩陣進(jìn)行運(yùn)算，這相當(dāng)于對(duì)兩種學(xué)習(xí)分類器所生成的不同映射結(jié)果進(jìn)行加權(quán)組合，從而達(dá)到修正映射結(jié)果的目的，使最終的映射結(jié)果更優(yōu)化。

c)映射生成模塊。該模塊主要完成兩項(xiàng)任務(wù)，即映射表的生成和映射執(zhí)行。

（a）映射表的生成。通過(guò)修正后的映射結(jié)果來(lái)生成映射表，將生成的映射表存入映射結(jié)果數(shù)據(jù)庫(kù)中。

（b）映射的執(zhí)行。它的任務(wù)是輸入源本體的相關(guān)實(shí)例，并利用已經(jīng)得出的映射規(guī)則進(jìn)行映射。可以考慮采用可視的動(dòng)態(tài)執(zhí)行方式，使源本體實(shí)例的改變都可以在目標(biāo)本體中表現(xiàn)出來(lái)，進(jìn)而實(shí)現(xiàn)自動(dòng)的實(shí)例轉(zhuǎn)換。

目前系統(tǒng)只完成了映射表的生成，映射的執(zhí)行將在下一步的工作中實(shí)現(xiàn)。

4 系統(tǒng)的主要算法

系統(tǒng)中各模塊的主要功能是通過(guò)相應(yīng)的函數(shù)來(lái)實(shí)現(xiàn)的。其主要函數(shù)的調(diào)用關(guān)系如圖3所示(其中從上到下有向箭頭表示函數(shù)調(diào)用關(guān)系)。它們相對(duì)獨(dú)立又有機(jī)地結(jié)合在一起，從而完成整個(gè)系統(tǒng)的功能。

其中，相似度計(jì)算模塊需要調(diào)用函數(shù)preprocess()、analysis()classify1()、similar1()、classify2()、similar2()；相似度修正模塊需要調(diào)用函數(shù)integrationsimilar()、evaluation()、proevalmatrix()；映射生成模塊需要調(diào)用函數(shù)mappingdecine()、store()。

本系統(tǒng)的主要算法如下:

輸入 ontology1，ontology2

輸出 映射表 

preprocess(ontology1)；

preprocess(ontology2)；/*進(jìn)行本體的預(yù)處理，首先識(shí)別命名實(shí)體，定義規(guī)范化規(guī)則，然后對(duì)映射本體進(jìn)行規(guī)范化*/

analysis(ontology1)；

analysis(ontology2)；/*解析本體，抽取本體中的實(shí)例和屬性值*/

for each instance i in ontology1 //對(duì)本體1中的每個(gè)實(shí)例

for each concept j in ontology2 //對(duì)本體2中的每個(gè)概念

classify1 (instance i， concept j)；/*將本體1中的實(shí)例按照本體2中的概念進(jìn)行分類*/

for each concept i in ontology1 //對(duì)本體1中的每個(gè)概念

for each instance j in ontology2 //對(duì)本體2中的每個(gè)實(shí)例

classify1 (instance j， concept i)；/*將本體2中的實(shí)例按照本體1中的概念進(jìn)行分類*/

similar1(instance i， instance j)；

//對(duì)兩個(gè)概念進(jìn)行實(shí)例相似度計(jì)算

for each property i in ontology 1 //對(duì)本體1中的每個(gè)屬性

for each concept j in ontology2 //對(duì)本體2中的每個(gè)概念

classify2 (property i， concept j) /*將本體1中的屬性按照本體2中的概念進(jìn)行分類*/

for each concept i in ontology1 //對(duì)本體1中的每個(gè)概念

for each property j in ontology2 //對(duì)本體2中的每個(gè)屬性

classify2 (property j， concept i)；/*將本體2中的屬性按照本體1中的概念進(jìn)行分類*/

similar2(property i， property j)；

//對(duì)兩個(gè)概念進(jìn)行屬性相似度計(jì)算

integrationsimilar(similar1，similar2)；

//相似度整合得到相似度矩陣

proevalmatrix()；//生成綜合評(píng)判矩陣

T=evaluation(integrationsimilar()，proevalmatrix())；

//對(duì)相似度矩陣進(jìn)行綜合評(píng)判運(yùn)算

mappingdecine(T)；//分析整合修正后的相似度矩陣，生成映射表

store(mappingdecine(T))；//將映射表存儲(chǔ)在數(shù)據(jù)庫(kù)中



5 性能分析

對(duì)系統(tǒng)的評(píng)價(jià)，這里使用映射查全率(mapping recall)和映射查準(zhǔn)率(mapping precision)這兩個(gè)指標(biāo)。前者是衡量本體映射系統(tǒng)發(fā)現(xiàn)映射的能力；后者是衡量本體映射系統(tǒng)拒絕錯(cuò)誤映射的能力，兩者合起來(lái)，即可以評(píng)價(jià)本體映射系統(tǒng)的性能：

映射查全率=正確映射對(duì)數(shù)/(正確映射對(duì)數(shù)+漏選映射對(duì)數(shù)) 

映射查準(zhǔn)率=正確映射對(duì)數(shù)/(正確映射對(duì)數(shù)+錯(cuò)誤映射對(duì)數(shù))



考慮到標(biāo)準(zhǔn)化與準(zhǔn)確性，本文采用OAEI (the Ontology Alignment Evaluation Initiative)國(guó)際組織2007年5月在官方網(wǎng)站上發(fā)布的基準(zhǔn)測(cè)試數(shù)據(jù)集benchmarks作為實(shí)驗(yàn)測(cè)試本體。

在測(cè)試中，除了數(shù)據(jù)組221~224號(hào)實(shí)驗(yàn)測(cè)試的結(jié)果不夠理想外，其他數(shù)據(jù)組的映射查全率和映射查準(zhǔn)率均介于80%~90%，這表明本體映射處理器在進(jìn)行的測(cè)試中取得了較好效果，說(shuō)明本文提出的映射方法是有效的。同時(shí)，221~224號(hào)數(shù)據(jù)組測(cè)試的失敗表明了系統(tǒng)的不足，超過(guò)47%的錯(cuò)誤是由于將源本體中的屬性映射到了目標(biāo)本體的父類概念上，還有34%的錯(cuò)誤是由于源本體和目標(biāo)本體的概念的實(shí)例或?qū)傩缘臄?shù)量特少。在這種情況下，本系統(tǒng)中學(xué)習(xí)器的學(xué)習(xí)效率將受到很大的制約，其映射準(zhǔn)確率將有所下降。改善這種狀況需要修正綜合評(píng)判矩陣，而這一工作需要根據(jù)系統(tǒng)反饋回的相關(guān)評(píng)判結(jié)果來(lái)完成。其實(shí)這是一個(gè)動(dòng)態(tài)調(diào)整的過(guò)程，如何實(shí)現(xiàn)是下一步要解決的問(wèn)題。

6 結(jié)束語(yǔ)

本文提出了一種面向語(yǔ)義網(wǎng)服務(wù)的本體映射框架，有效地解決了語(yǔ)義網(wǎng)服務(wù)中本體異構(gòu)問(wèn)題。設(shè)計(jì)并實(shí)現(xiàn)的本體映射處理器通過(guò)實(shí)例分類器和屬性分類器分別從本體的實(shí)例和屬性兩個(gè)角度來(lái)生成語(yǔ)義相似度矩陣，引入綜合評(píng)判技術(shù)來(lái)修正由不同的學(xué)習(xí)分類器產(chǎn)生的候選映射集，在一定程度上提高了本體映射的精度。解決了本體不同層次上的異構(gòu)問(wèn)題，確保映射結(jié)果更準(zhǔn)確。

參考文獻(xiàn)：

［1］McILRAITH S A， SON T C， ZENG Hong-lei. Semantic Web services[J]. IEEE Intelligent Systems Speeial Issue on the Semantic Web， 2001， 16(2):46-53.

[2]EHRIG M， STAAB S. QOM-quick ontology mapping[C]//Proc of the 3rd International Conference on Semantic Web[S.l.]: Springer， 2004.

［3］DO H H， RAHM E. COMA: a system for flexible combination of schema matching approaches[C]//Proc of Very Large Data Bases Conference. 2001:610-621.

[4]DOAN A， MADHAVAN J， DOMINGOS P， et al. Learning to map ontologies on thesemantic Web[C]//Proc of the 11th International World Wide Web Conference. Hawaii: ACM Press， 2003:662-673.

[5]GIUNCHIGLIA F， SHVAIKO P， YATSKEVICH M. Semantic schema matching， Technichal Report DIT-05-014[R]. [S.l.]: University of Trento， 2005.

[6]MAEDCHE A， MOTIK B， SILVA N， et al. MAFRA: a mapping framework for distributed ontologies[C]//Proc of International Conference on Knowledge Engineering and Knowledge Management. 2002:235-250.

[7]FOWLER J， NODINE M， PERRY B， et al. Agent-based semantic interoperablity in Infosleuth[Z]. 1999.

[8]THOMAS R. Gruber: a translation approach to portable ontology specifications[J]. Knowledge Acquisition， 1993，(2):199-220.

[9]GANTER B， WILLE R. Formal concept analysis mathematical foundations[M]. Berlin-Heidelberg， New York: Springer， 1999.

[10]BURNSTEIN M H. Dynamic invocation of semantic Web services that use unfamiliar ontologies[J]. IEEE Intelligent Systems， 2004，19(4):67-73.

[11]CASTANO S， FERRARA A， MONTANELLI S， et al. From surface to intensive matching of semantic Web ontologies[C]//Proc of the 15th International Workshop on Database and Expert Systems Applications. 2004:140-144.

[12]RODRIGUEZ A， EGENHOFER M. Determining semantic similarity among entity classes from different ontologies[J]. IEEE Trans on Knowlledge and Data Engineering， 2003，15(2):442-456.

[13]JIAN Ning-sheng， HU Wei， CHENG Gong， et al. Falcon-AO: aligning ontologies with Falcon[C]//Proc of K-Cap 2005 Workshop on Integrating Ontologies. 2005:85-91.

[14]唐杰，梁邦勇，李涓子，等.語(yǔ)義Web中的本體自動(dòng)映射[J]. 計(jì)算機(jī)學(xué)報(bào)，2006，29(11):1956-1976.

[15]LEWIS D D. Naive(Bayes) at forty: the independence assumption in information retrieval[C]//Proc of the 10th European Conf on Machine Learning. Heidelberg:[s.n.]， 1998.

[16]LEWIS D D， RINGUETTEL M. A comparison of two learning algorithms for text categorization[C]//Proc of the 3rd Annual Symp on Document Analysis and Information Retrieval. Los Vegas: University of Nevada， 1994:81-93.