增强异构语义资源互操作性的三步方法

理论计算机科学电子笔记150（2006）71-85www.elsevier.com/locate/entcs异构语义资源CatarinaFerreiraDaSilva，LionelM′edini，SamerAbdulGhafour，Patrick Ho Mingmann，ParisaGhodous1里昂图像和智能信息系统研究中心Claude Bernard Lyon 1 University，法国维勒班塞尔森·利马Centre Scienti Fique et Technique du Btiment Dartement TIDS摘要本文提出了一个三步的方法来增强异构语义资源之间的互操作性首先，我们构造这些资源的同质表示在枢轴格式，即OWL DL，相对于原始表示语言所表达的语义。其次，在这些标准化资源的概念之间建立映射，第三，提出了一种对这些映射进行排序的方法，以便最好地满足用户这种方法目前正在语义资源“互操作性”和链接系统（SRILS）中实施最后讨论了成图结果和今后要做的工作关键词：异构语义资源，本体，互操作性，映射，排序，描述逻辑，包容算法，OWL。1介绍随着Web在协作和分布式工作中的应用越来越广泛，与语义Web相关的语言和工具的标准化，导致了多种术语和语法资源1{cferre eir，lmedini，sabdulgh，phof fman，ghodous}@liris. cnrs. fr1571-0661 © 2006 Elsevier B. V.在CC BY-NC-ND许可下开放访问。doi：10.1016/j.entcs.2005.11.03572C.F. Da Silva等人理论计算机科学电子笔记150（2006）71在许多专业领域使用互联网。不同类型的资源，如分类法、词汇表、叙词表或本体，已经根据不同的现有标准进行了阐述他们处理不同的顶级问题，并从不同的观点，技术和目标来处理它们网络上这些资源的存在、可用性和互补性开创了新的用途，这些用途可以从它们的同时使用中受益，用于电子商务、信息检索或协作设计等各种应用。这些资源的同时使用要求它们具有互操作性。互操作性--基本上，实现技术互操作性是使分布式应用程序能够工作的问题，同时考虑到不同资源之间的语法和结构异构性问题然而，这可能会导致严重在更高级别上，语义互操作性包括防止这些问题发生，同时考虑与数据相关联的语义，并确保交换的信息共享相同的含义。 为了实现语法和语义的互操作性，本文提出了一种异构语义资源（SR）的“互操作性”方法，基于三个步骤。首先，我们使SR表示格式同质，考虑到源语言和目标语言的表达能力，以保持资源的意义，为进一步的步骤。其次，我们通过映射SR实体来对齐这些资源第三，排名的相关性在前一阶段获得的映射，我们建议这些映射的个性化和语境化的措施。本文首先介绍了异构SR之间不同的现有互操作性方法的技术状态。然后，我们的方法，并详细介绍了它的不同阶段。部分实现这种方法的SRILS系统的体系结构和实现，进行了描述。给出了一个在建筑领域的应用实例最后，对成图结果以及有待进一步研究的问题进行了讨论。2 欧盟软件指令，参见理事会指令91/250/EECC.F. Da Silva等人理论计算机科学电子笔记150（2006）71732语义资源之间现有的互操作性方法SR的异构性可以从不同的层次来考虑，如表示格式层次（语法）、数据组织层次（结构）和不同的视点层次（语义）。有些作者把这些层次分开来处理，即使它们不容易分开。Chaudri等人[9]在句法层次上寻找解决语义歧义Mitra等人[22]描述了几种类型的结构语义歧义。Bowers等人[6]表明，当将一种表示转换为另一种表示时，使用不同的语法或结构形式化是不同错误的来源在本节的其余部分，我们总结了有关表示格式标准化和SR对齐的背景工作。2.1表示格式为了使异构SR具有互操作性，Kalfoglou等人[17]认为，通过在公共表示语言中翻译资源来实现标准化通常是必要的初步阶段。目标语言的选择是必不可少的，因为它应该有足够的表达能力，以表示明确和精确的知识。另一方面，在可表达性和复杂性之间达成妥协是很重要的。Jannink等人[16]提出了一种基于映射规则的代数，以实现标准化。OntoMorph系统[8]允许使用语法重写机制、基于模式匹配的规则和描述如何应用这些语法规则的模型来指定语法转换规范化处理语法的异质性，而不失去表现语言的表达能力数据库和SR都是知识表示。然而，数据库使用较少的建模原语。数据库研究人员面临着在不同模式之间找到对应关系的问题，就像SR一样。80年代以来，在数据库的逻辑模型允许组织大量的数据并正式表示数据之间的关系这些资源的语义隐含在表结构和完整性约束中。然而，在自动转换的上下文中，并不存在表示所有完整性约束的语义定义良好的格式因此，从数据库到OWL本体的转换仍然是一个特定的转换，依赖于每个数据库模式[4]。Calvanese等人[7]提出了一种将数据库转换为一组描述逻辑（DL）公理的方法。这项工作是一个初步阶段，为开发一个通用的方法来转换一个关系74C.F. Da Silva等人理论计算机科学电子笔记150（2006）71数据库到OWL本体。2.2语义资源对齐可以定义为[5]一组映射，表示不同本体的两个实体之间的对应关系。模式匹配[25]以及SR对齐需要在两个或多个知识结构中找到相关实体（即概念和属性）[23]。为此，已经使用了几种方法，其中包括术语法、结构法、外延法（即基于实例）或语义法。这些方法来自不同的学科，如数据分析，机器学习，语言工程，统计学或知识工程。它们的适用性既取决于要组合的SR特征的类型（例如标签、结构、实例、语义），也取决于预期的结果类型寻找本体间关系的技术通常依赖于实例和模式匹配，概念匹配和源本体的结构元素匹配[13]。Kalfoglou和Schorlemmer [17]调查了一组与本体映射相关的框架，方法和工具，例如下面段落中所示的那些在机器学习学科中，GLUE [11]在类的实例上搜索映射。给定两个本体，对于一个本体中的每个概念，GLUE使用几个实际相似性度量的概率定义在另一个本体中找到最相似的概念它利用有关概念实例的信息然而，机器学习技术在大型实例集都是可用的。OBSERVER [21]系统通过查找相关概念对来帮助用户定义两个本体的概念之间的映射。它使用特定领域本体的数据结构和同义关系，hyponymy和hyponymy关系来检测概念之间的语言匹配一旦定义了映射，用户就询问关于其中一个本体的术语的DL格式的查询，并且系统将查询扩展到另一个本体的术语为此，用户必须熟悉DL构造函数。Euzenat [12]提出了一个对齐API，它提供了OWL兼容的函数，以帮助程序员自动映射本体。此API当前使用的术语匹配技术无法保证有效对齐。例如，匹配的术语可以是同音异义词（并且具有不同的意思）或语义上接近而不是完全同义词。3 通信由关系和信任评估组成。C.F. Da Silva等人理论计算机科学电子笔记150（2006）71752.3本体的语义表示方法尽管有这些努力，我们认为这些方法可以从考虑与概念定义相关的语义的技术基于DL的技术[2]适合于此，因为它们依赖于由本体表示的显式和形式化语义当用于比较本体时，它们确保SR实体的原始语义被保留，并提供被比较的实体和产生的关系的明确和正式的解释在本节中，我们介绍了一个基本的DL算法和目前在这些方法中使用的工具关于我们在这项工作中使用的方法的更多细节在第3.2节中提供。标准深度学习技术应用包容算法来建立概念之间的关系tableau算法是一类包容算法，它首先扩展每个本体：定义右侧的概念名称的每次出现都被它所代表的概念替换。这个递归的依赖消除替换过程（称为展开）一直进行到定义集中不存在循环为止。因此，一个可展开的本体论意味着所有的公理都是唯一的和非循环的定义。即使扩展的本体大小与其原始大小相比可以呈指数级增加，展开过程也可以将推理过程减少到计算包容性和满足性4。表是表示模型的图，其中节点对应于个体（解释域ΔI的元素）。Tableau算法试图通过构建一个解释模型I来证明概念D的可满足性，其中DI不是空的（即， 从一个人开始构建一个画面，然后推断出其他人的存在，对个人的限制或附加限制）。这种推理使用了反驳式的证明[15]：C被D包含，如果可以证明存在一个个体x，它是C（x∈CI）的一个instance，但不是一个in-instance。D（x/∈DI）的立场是逻辑不一致的。这对应于测试概念CH <$D的逻辑（不）满足性（即，C±DCH <$D不是满意）。推理机制包括应用一组ALC的保持一致性的转换规则，称为H-规则，H-规则，无规则-规则直到不再适用规则;详情参见[15]。算法终止当图是完整的（没有进一步的推理是可能的）或当相反，文字已被揭露。如果这样得到的图包含矛盾（称为“冲突”），则概念是不可满足的，否则是可满足的（图是一致的4概念C对于Tbox是可满足的，如果它存在一个解释模型DI使得CI非空76C.F. Da Silva等人理论计算机科学电子笔记150（2006）71FaCT5推理引擎[14]应用DL技术，并允许对概念、角色和属性描述进行推理，以及管理概念层次结构的基础上的包容关系。FaCT使用一种非常有表现力的DL语言SHIQ={ALC+数量限制+角色层次结构+反向角色+传递角色}6，能够捕获知识模型的大部分语义这门语言配备了有效的推理技术-在语义上是健全和完整的ONDIL系统[18]重用FaCT的推理机制，并且还支持多个Tbox7的管理。ONDIL包括本体管理、中介和推理机三个模块。后者使用两种包容算法：标准推理的基于表格的算法和非标准推理的结构化算法[28]。推理机使用成对的本体来推导新的知识，这些知识基本上包括本体概念之间的关系。3互操作方法该阶段包括将SR转换为公共格式，并且在任何其他处理阶段之前下一个阶段是确定对应关系，使对齐SR。为此，我们建议一种混合的方法相结合的映射和实体（概念和角色）之间的关系的上下文。3.1转换表示格式的标准化使得能够解决句法问题，以及来自编码语言中的不同表达的这一步的目的是区分SR表示的不同格式，同时保持它们的语义。我们主要处理三种类型的SR：分类法，非基于树的图，和本体。转换过程是基于不同层次的知识表示，即Meta模型，模型和数据之间的显式元模型指定了知识表示语言的结构，并阐明了其表达能力。模型水平代表-5开发了快速术语分类（FaCT），以评估使用基于tableau技术的最佳包容算法的可行性[2]。6 AL描述逻辑语言，（AL代表属性语言），已经由Schmidt-Schaub等人[28]引入。这个家族的其他语言是AL的扩展 ALC语言允许表达概念的否定[2]。7 Tbox或术语是定义的有限集合，如果对于每个原子概念C，最多是T盒中的一个公理，其定义的左侧是C。C.F. Da Silva等人理论计算机科学电子笔记150（2006）7177重新显示每个应用程序的数据结构。这个级别包含类、附加到类的属性以及各种类之间可能的关系实例级别收集数据。为了不为每种不同的表示格式开发特定的工具，也为了用适当的表示格式来表达映射规则，我们选择使用一种通用的表示语言，它可以很好地表示给定SR的所有类型我们选择OWL8，更确切地说，是它基于描述逻辑的子语言OWL DL，主要有两个原因。首先，它是W3C关于语义Web的建议的一部分。它利用了以前的XML语法，RDF和RDF模式（RDFS）的形式语义的工作其次，OWL DL允许最大的表达能力，同时保持计算的完整性（所有结论都保证是可计算的）和可判定性（所有计算都将在有限时间内结束）。OWL（Lite或DL）本体对应于DL Tbox以及角色层次结构，根据类（对应于概念）和属性（对应于角色）描述域转换过程旨在将不同的SR转换为OWL，同时保持其固有的语义。它包括：（1）详细说明表示枢轴语言OWL9的结构和表达能力的Meta模型;（2）设计可用SR表示语言10的元模型，定义为OWL DL元模型的限制;（3）将SR内容转换为OWL DL。后一步骤在以下段落中针对本文考虑的三个一般SR类别进行描述。分类法（XML）：（1）分类法的概念被认为是OWL类（语法：owl：Class）。(2)附加到这些概念的属性在OWL本体中被视为属性（owl：Property）。的值属性可以是文字（用rdfs：Literal表示）或资源（用OWL类表示）。后者通过另一个特定的属性（rdfs：range）与之前定义的属性绑定。(3)概念之间的包含关系在OWL中使用rdfs：subClassOf构造函数表示。非树型图（RDF）：图通过将概念与复杂关系联系起来来表示知识RDF是一种基于状态（主语、谓语、宾语）的图形语言图到OWL的转换是这样实现的：（1）主体在OWL中表示为课(2)对象可以表示为类或文本元素，8 本体Web语言：http://www.w3.org/2004/OWL/9OWL元模型用两个UML类模式表示：类的视图和一个属性。它在[1]中介绍。这些元模型的10个模式也可以在[1]中找到。78C.F. Da Silva等人理论计算机科学电子笔记150（2006）71这取决于它的类型。(3)如果相关对象是资源，则谓词表示为对象属性（owl：ObjectProperty），或者当其相关对象是文字时表示为数据类型属性（owl：DatatypeProperty）。rdfs：domain和rdfs：range用于指定属性。前者具体化主体，后者界定陈述的客体本体（RDFS和DAML +OIL）：本体通过提供使图的语义显式的高级构造来扩展基于图的形式主义（例如，owl：disjointWith指定了两个不相交的类）。由于OWL是RDFS的扩展，它继承了RDFS和任何根据RDFS模式有效的文档也可以作为OWL Full本体有效。但是，它不能被视为OWL DL文档。因此，将RDFS文档转换为OWL DL需要区分OWL Full和OWL DL之间的差异[24]。DAML+OIL与OWL一样，是建立在RDF和RDFS基础上的本体语言，它基于描述逻辑，与OWL的三个子语言相比，DAML+OIL语义最接近OWL DL语义。3.2对准本节解释了我们如何应用基于DL技术的语义方法来发现不同同构SR的概念之间的映射为此，我们使用ONDIL系统，它可以同时处理多个本体，以及它们各自概念之间的公理11首先，为了保证本体的一致性，它们被单独展开。这是通过使用基于tableau算法和ALC语言的ONDIL标准推理服务来完成的映射搜索过程将扩展的概念定义作为输入。设o和oJ是一对本体，A（x）是作为输入给出的一组公理。ONDIL的本体推理服务使用tableau算法来识别概念o和oJ之间的包含关系，如以下通用示例所示设C1：= Hr. AHr.B是o的概念，C2：=Br.B是oJ的一个概念.我们现在要测试C1±C2是否C1H <$C2± N。C1H <$C2H <$r. AH <$r.BH <$r.B应用德摩根定律，B. （B）C1H <$C2H<$B C1H <$C2 （AH <$B）Hr.B11公理是两个本体的实体之间先前定义的关系，推理机可以在满足性测试步骤中使用C.F. Da Silva等人理论计算机科学电子笔记150（2006）7179ONDIL被修改为接受两个本体和公理集作为输入。这些输入构成了ONDIL推理机模块处理的知识，以构建上述定义的图形这是通过应用转换规则来完成的，如下所示。假设图是有向图，其中每个节点x用一组概念（L（x）={C，.，Cn}），并且每个边（x，y）用角色（L（x，y）= r）标记。 当一个概念C在一个节点x（C∈ L（x））的标签中时，它表示一个模型，其中对应于x的个体在C的解释中。当边（x，y）被标记为r时，它表示一个模型，其中与（x，y）对应的元组在r的解释中。根据H-规则，我们将构成定义图r的概念A和B的实例添加到图中。（AH<$B），即A（x）和<$B（x）。根据这个规则，我们将以下实例添加到图中：B（x），r（x，y）。我们不需要进一步应用规则，因为发现了冲突：{B（x），<$B（x）}<$L（x）导致矛盾。因此，C1H <$C2± N（这意味着C1H <$C2不满足）和C1±C2。因此，在概念C1和C2之间检测到包含关系。检索到的对应关系可以是等价关系和非等价关系。如果碰巧C1± C2和C2±C1，那么这两个概念定义是等价的。等同性使我们能够说明，对两个概念的解释从两个不同的SR是100%相等的。我们将非等价性称为这些指的是其中SR的概念的仅一部分是公共的映射这就是包容和合取的情况。合取映射是包含映射的结果.所以从输入本体o和OJ，公理C±CJ和C±C1，其中C，C1∈o，CJ∈OJ允许状态：（CHCJ）±（C1HCJ）.3.3排名标识映射通过客户端应用程序交付给用户用户是专门从事特定活动的，他们的请求可能只涉及有限的知识领域和特定任务：他们不同的工作背景涉及不同的意图和需求。根据工作环境一致地解释映射的措施应该提高映射排名相关性的可靠性。虽然这项工作还没有实现，我们提出它，因为它是我们的方法的一部分为了在比较映射时考虑上下文，我们需要关于用户工作和环境的可靠信息，以及关于为什么开发SR以及它们覆盖哪些领域的信息我们打算利用上下文建模来表示域，任务等，它将作为参考定位所有考虑SR以及80C.F. Da Silva等人理论计算机科学电子笔记150（2006）71用户我们将SR的片段定义为该资源的概念以及它所包含的该资源每个片段与零个、一个或多个域相关联，并被分配尽可能多的类似地，我们将与用户感兴趣的域一样多的“用户域向量”（UDV）关联到用户这些向量她/他根据她/他分配给每个标准的重要性以及她/他活动中每个任务的重要性而让用户提交一个关于概念C的查询，以检索所有语义相关的概念。每个概念都包含在SR片段中，并附加其CV。我们通过应用程序将C的CV与其他CV进行对出现在两个CV中的每个标准或任务进行特定测量，并将结果存储在“片段比较向量”（FCV）中然后，我们根据用户的领域解释这些FCV：我们通过计算由UDV思考的FCV和计算的概念与相应领域的相关性构成的所有概念“用户领域解释”（UDI）来然后根据这些估值对每个概念UDI进行排名。根据C的每个相关解释对概念进行排序。输出是这些相关解释的排序列表以及相应的概念排名，以及其余没有被接受的解释的概念4SRILS系统SRILS的开发是由位于Sophia-Antipolis（法国）的CentreScienquiqetTechniquduBlauatimet（CSTB）所表达我们已经使用了三个不同的SR从建筑和建设（B C）域。bcXML是一种概念、产品和服务的多语言分类法，在eConstruct项目中开发[20]。这个资源拥有3000个术语，在6个不同的欧洲语言。Ed- ibatec12词典涵盖了几个B C领域，如电气或通风设备。在CSTB开发的e-Cognos本体[19]包含17000个概念和关系，并涵盖了B C领域的几个部分。CSTB还开发了一个名为e-COSer13 的本体服务器[19]，该服务器处理关于不同SR的概念和关系的查询，并向不同用户提供高级服务在SRILS系统中12EDIBTEC词典，见http://www.edibatec.org/Accueil/Default4.htm13eCOSerhttp://195.83.41.67/eCOSer/Login.jspC.F. Da Silva等人理论计算机科学电子笔记150（2006）7181我们将e-COSer视为客户端应用程序。SRILS依赖于四个模块和几种类型的资源（见图1）。系统的外部接口由查询处理模块提供，并以面向服务的体系结构内的集成为转换模块负责返回异构SR。对齐模块执行映射搜索。仍在开发中的上下文排名模块根据相关性对映射进行排名SRILS的模块化结构使得能够模拟未开发的模块，以便向上层提供预期的SRILS中使用的不同种类的SR是包含要对齐的数据（原始和转换的SR）的SR，一个不同模块的详细描述不在本文的范围内。下一节给出了在上面给出的B C SR中的映射搜索的示例5使用映射搜索模块进行比对测试本节介绍了映射搜索模块的第一个测试，使用ONDIL的推理服务（3.2节）。每次在两个本体检索到的对应关系可以是等价关系或语义近似（主要是包含和合取，但也有传递性，这是由包含关系暗示的由于推理是一项耗时的任务，当我们处理大型本体时可能需要几分钟，因此映射搜索是先验进行的，以优化处理时间。在领域专家对映射进行验证之后，映射构成了由查询处理模块查询的接合本体为了首先证明映射方法的正确性，我们将每个SR与其自身进行映射。显然，将SR与其自身映射会产生相同概念之间的等价关系，而且只有这种等价关系。此外，还得到了包含和合取的结果，但只冗余信息，因为如果A等价于B，则A±B和B±A。一个典型的使用场景如下：用户提交一个关于bcXML分类概念的以产品为中心的查询，并希望检索与该产品相关的文档。系统查询接合本体，因为它存储bcBuildingDefiniton分类法（其中产品被真正定义）和e-Cognos本体（其中表示产品并用于索引文档的概念被定义）之间的检索和验证的映射我们将在下文中介绍82C.F. Da Silva等人理论计算机科学电子笔记150（2006）71Fig. 1. SRILS系统衔接本体显示了ONDIL在eCognos和bcXML SR之间检索到的包含映射的三个示例 eCognos和bcXML之间的映射 rdfs：label>包容映射比等价映射多得多值得注意的是，包含映射可以依赖于映射计算的本体顺序。这意味着（O1，O2）的包含映射可以不同于（O2，O1）的包含映射换句话说，这种差异来自于两个概念之间包容关系的不对称性。更准确地说，包含映射C1±C2（其中C1∈O1，C2∈O2）属于（O1，O2）的映射集，而（O2，O1）的映射集合可能不包含包含映射C2±C1。然而，等价映射被保留。6结论本文提出了一种基于句法、结构和语义三个层次的异构SR之间的互操作方法我们采用不同的这种方法在SRILS中间件系统中部分实现：前两个级别被自动处理。该系统可以将分类法、图和本体转换为OWL DL格式，保持原始编码语言的语义和表达能力语义我们简要地提出了一种方法，检索到的映射-ping的语境化这最后一个阶段正在实施。SRILS的使用通过在建筑和施工领域中的应用来展示。我们还考虑测试其他方法来发现语义对齐，通过使用语言的核心，84C.F. Da Silva等人理论计算机科学电子笔记150（2006）71pus来帮助找到新的映射。关于测量语义接近度，我们考虑使用模糊逻辑和概率方法。确认作者希望承认，这里介绍的部分工作在很大程度上是由于在eContent欧洲FUNSIEC项目中进行的激烈的团队合作，该项目是欧洲建筑行业统一语义基础设施的可行性研究，见www.funsiec.org。 特别感谢CSTB的Celson Lima和Chan Le Duc。引用[1] Ab dul Ghafour，S. ，“M e t o d e s e t o u t il s p o r l'i n t egra t i o n d e s o ntologies，“T r ai n i n g re p o rt o f Mas t e D o c u m e t i m d ia，I mage s e t S y st ` e m e s d 'Inform a t i o ns C o m m un i c an t s ， LIRIS Laboratory ， Lyon ，France，2004.[2] Baader，F.，A.博尔吉达河J.Brachman 等人，“描述逻辑手册、理论、实现和应用”，Baader，F.，Calvanese D.麦吉尼斯D纳迪湾和Patel-Schneider P.（编辑），剑桥大学出版社，2003年。[3] Baader，F.，I. Horrocks和U. Sattler，描述逻辑，“本体论手册”，Staab S.，Studer S. (Eds)，Springer-Verlag Berlin Heidelberg，ISBN 3-540-40834-7，2004，3[4] Barrasa，J. 、O. Corcho and A. 李文，李洪志，李文，李洪志.[5] Bouquet，P.，J. Euzenat，F.弗兰科尼湖Sera fini，G. Stamou和S. Tessaris，[6] 鲍尔斯，S.，和L. Delcambre，基于模型的信息表示和转换，第四届欧洲数字图书馆会议第一次语义网研讨会，里斯本，葡萄牙，2000年，18[7] Calvanese，D.，G. De Giacomo和M. Lenzerini，本体集成框架，第一届国际语义网工作研讨会（SWWS），2001年，303-317。[8] Chalupsky，H.，OntoMorph[9] Chaudhri，V. K.，A.法夸尔河菲克斯警局Karp和J. P. Rice，OKBC[10] 迪恩，M.，和G. Schreiber（Eds），“OWL Web Ontology Language Reference，W3CRecommendation，”2004.网址：http://www.w3.org/TR/owl-ref/#appD。[11] Doan，A.，J. Madhavan，P. Domingos和A. Halevy，Learning to map between ontologies onthe semantic web，Proceedings of the 11th International World Wide Web Conference（WWWC.F. Da Silva等人理论计算机科学电子笔记150（2006）7185[12] Euzenat ， J. ， An API for ontology alignment ， Frank van Harmelen ， Sheila McIlraith ，Dimitris Plexousakis（eds.），Proceedings of the 3rd International Semantic Web Conference（ISWC），Hiroshima（JP），Lecture notes in computer science3298（2004），698[13] Euzenat，J.，T. Le Bach，J. Barrasa，P. Bouquet，J. De Bo，R. Dienget al，[14] 霍罗克斯岛，“Optimising Tableaux Decision Procedures for Description Logics,” PhD thesis,University of Manchester,[15] 霍罗克斯岛，实现和优化技术，Calvanese，D.，McGuinness，D.，纳迪，D.和Patel-Schneider，P.（Eds），Cambridge University Press，2003，306[16] Jannink，J.，S. Pichai，D. Verheijen和G.王志华，本体论的封装与组合，信息集成研讨会论文集，1998年，第43-51页[17] Kalfoglou，Y.，和M. Schorlemmer，Ontology mapping：the state of the art，The KnowledgeEngineering Review，18（2003）（1）1[18] LeD u c，C. ，“T r a n sforma t i o n d ' o n tologie s b a s s u r l a L ogi u e d eD escri p t i o n - A pp lica t ion d a ns l e C o mm e r c e E l e c t r o n i quee，“P hD T h e s is，U i v e r s i t e d e N ice，F r a n ce，2004.[19] Lima，C. P. ，B. 去吧，G。 Lefr ann cois和T. E. Diraby，在KM解决方案中使用本体的方法：e-COGNOS经验，并行工程国际会议：研究和应用第10届ISPE 2003，葡萄牙丰沙尔，2003年，771[20] 利马角P.，J. Stephens和M. Bohms，The bcXML：Supporting eCommerce and KnowledgeManagement in the Construction Industry，Itcon Journal，8（2003），293[21] Mena， E. ， A. Illarramendi、 V.Kashyap和 A. Sheth， OBSERVER： An approach for queryprocessing in global information systems based on interoperation across pre-existingontologies，Distributed and Parallel Database[22] Mitra，P.，G.王文，知识源的半自动整合，第二届国际核聚变大会论文集[23] 诺伊，N.，映射和合并本体的工具，“本体手册”，Staab S.，Studer S.（Eds），Springer-VerlagBerlin Heidelberg，ISBN 3-540-40834-7，2004，365[24] Patel-Schneider，P. F.， P. Hayes和我 Horrocks（Eds），“OWL Web Ontology LanguageSemanticsandAbstractSemantics ， W3CRecommendation ， ”2004 。 网 址 ：http://www.w3.org/TR/owl-semantics/。[25] Rahm，E.，和p. A. Bernstein，A survey of approaches to automatic schema matching，VLDBJournal：Very Large Data Bases，10（2001）（4），334[26] Resnik，P.，和M. Diab，测量动词相似性，第22届年会论文集认知科学学会，费城，2000年，399[27] 罗 德 里 格 斯 ， M 。 一 、 和 M. J. Egenhofer ， Putting similarity assessments into context ：matching functions with the user[28] Schmidt-Schaub，M.，和G. Smolka，Attributative concept descriptions with complements，Arti ficial Intelligence，48（1991）（1），1