34、基于归纳决策树和证据组合的本体增强与断言预测

基于归纳决策树和证据组合的本体增强与断言预测

1. 归纳决策树增强本体

在本体增强方面，提出了一种利用归纳推导的决策树来增强本体的算法。该算法旨在通过经验数据来丰富概念，概念扩展过程基于本体的观察实例，对本体概念的特征进行划分，使概念以二维区域表示。

• 算法应用 ：将算法应用于猫科动物的模拟数据集，并在商业领域进行匹配场景测试。模拟数据库包含了现实数据库的关键特征，可用于展示算法的有效性。
• 本体匹配问题 ：在本体匹配研究中，发现一些关键问题。例如，需要找到一个本体中的属性被另一个本体中多个属性派生的混合属性所包含的情况。对于序数数值，在匹配高级概念时，值的比例和范围可能比度量单位更重要。比如比较不同物种的寿命时，使用特定物种的“相对”寿命（以比例形式）更有意义。
• 处理具体值 ：处理数据库中的具体值时，不能假设本地数据库和目标数据库中的值完全匹配。因此，需要引入缓冲区，使推导规则更具包容性。数值可根据特定领域的严格程度进行不同程度的扩展，标称值可使用WordNet或翻译工具进行扩展。

2. 个体间的相异度度量

在语义网推理中，为了进行个体分类、检索和聚类等基于相似性的任务，需要定义语言无关的个体相似性度量。
- 知识表示 ：知识基$K = ⟨T, A⟩$由TBox $T$和ABox $A$组成。$T$包含概念和角色的公理定义，$A$包含关于世界状态的断言。个体通过其URI标识。
- 相异度度量定义