何国英， 高炜

(1.云南师范大学经济与管理学院,昆明650500;2.云南师范大学信息学院,昆明650500)

基于MLS方法的本体算法

何国英1， 高炜2

(1.云南师范大学经济与管理学院,昆明650500;2.云南师范大学信息学院,昆明650500)

MLS模型作为一种逼近模型被广泛应用于数据光滑、数值分析和统计等诸多领域.文章将MLS模型用于最优本体函数的计算,将本体图中每个顶点映射成实数后,通过顶点对应实数间的差值来确定它们的相似度.将新本体算法应用于GO本体和物理教育本体,通过实验结果表明新算法对特定应用领域的相似度计算和建立本体映射是有效的.

本体;相似度计算;本体映射;MLS方法

顺着大数据时代的到来,日常的信息处理数据量日趋庞大,各种学习算法被广泛应用于本体相似度计算和本体映射.设本体用其图结构G=（V，E)表示.其中一类本体学习算法是通过样本的学习得到一个得分函数f：.该得分函数将本体图中每个顶点映射成实数,而概念对应顶点之间的相似度则通过计算顶点对应实数间的差值的大小来判定.此类技术的优点在于：直观性强,适合大数据本体相似度计算和大数据本体之间的本体映射的创建.

[1]通过排序学习方法得到本体顶点集上的得分函数f,并将此方法应用于在不同本体之间建立本体映射;[2]从本体图边权重的计算入手,通过图学习方法得到实值得分函数,进而得到对应的本体算法;[3]和[4]则是利用正则化模型得到最优本体函数f,并……