本体匹配中的参数和策略调谐问题研究

Ontology matching tuning is a promising way for solving the problem of automatic parameter configuration and matching strategy selection problem in ontology matching systems. It can improve the matching quality while greatly improving the usability of common users for complex matching systems. This project aims to solve key issues in ontology matching tuning, and the main contributions include: (1) Proposing matching requirement dynamic analysis and matching model static analysis, and the former dynamically describe the matching requirement using ontology features and matching targets, then the latter uses matching modeling and corresponding features to statically describe the matching systems; (2) Proposing two parameter correlation analysis methods: one is data flow analysis based on source code and another is the method based on Gaussian process variable model. They can solve the parameter correlation in a matching model or cross different matching models, and the correlation between parameters and matching targets; (3)Proposing matching strategy selection and matcher combination based on source code. It can reduce the number of the irrelevant matching strategies; (4) Proposing automatic sampling method for matching ontologies and generating method for reference matchings; (5) Proposing the tuning method using history matching recodes to tuning similar matching tasks. For dissimilar ones, it fist employs swarm optimization model to realize the parameter tuning, then uses machine learning techniques to tune strategies, and finally introduces user feedback to improving the tuning effect and performance.

本体匹配调谐是解决本体匹配系统自动参数配置和匹配策略选择的有效途径，在提高匹配效果的同时能明显改善复杂匹配系统对普通用户的易用性。本项目针对匹配调谐中关键问题给出一组解决方案，主要贡献为：(1)提出匹配需求动态分析和匹配模型静态分析，前者利用本体特征和匹配目标动态描述匹配需求，后者利用匹配建模和匹配模块特征静态描述匹配系统;(2)提出基于源代码数据流分析和基于高斯过程变量模型两种参数相关性分析方法，解决模块内和模块间参数相关性，以及参数与匹配目标相关性分析;(3)提出基于源代码分析的匹配策略选择和匹配器组合分析，减少调谐中无关策略数目；(4)提出待匹配本体自动采样技术和参考匹配结果自动生成技术，为调谐提供本体样本和参考匹配；(5)提出利用历史匹配解决相似匹配任务的调谐，对非相似匹配任务则采用群智能优化方法实现参数调谐，采用机器学习方法实现策略调谐，最后引入用户反馈进一步提高调谐效果和性能。

本体匹配调谐是解决本体匹配系统自动参数配置和匹配策略选择的有效途径， 在提高匹配效果的同时能明显改善复杂匹配系统对普通用户的易用性。本项目针对匹配调谐 中关键问题给出一组解决方案，主要贡献为:(1)提出了一种基于本体相似度的本体匹配参数调谐方法，其通过对历史本体匹配任务进 行搜索以找出并应用最适合当前本体匹配任务的参数组合而无需依赖参考匹配;同时，通过 相似度预测的方法，实现对于本体匹配历史记录的快速搜索;(2)提出了一种基于 ERT 机器学习模型与本体特征的本体匹配参数调谐方法，其通过学习历史匹配任务的特征与最优参数之间的对应关系并应用于当前本体匹配任务以优化其调谐 参数组合而无需依赖参考匹配;(3)设计并实现了模块化的本体匹配参数调谐系统，使用其完成了本文中的实验;在多个 不同层次的本体匹配调谐系统与权威的 OAEI 数据集上完成了实证检验，检验本文所提出的 自动调谐方法的有效性与通用性。实验表明，本课题提出的方法可以在多个不同层次的本体匹配系统与不同种类的本体匹配 数据集上发挥效用，能够在不给定参考匹配的前提下提升匹配结果的质量，并具有较高的调谐效率。