地理信息系统的信息整合和语义异构的研究

理论计算机科学电子笔记168（2007）45-59www.elsevier.com/locate/entcs地理信息系统一体化*Alejandra Cechich2GIISCo ResearchGroupDepartamentodecCienciasdelaComputacio′nUniversidad Nacional del ComahueNeuquen，阿根廷摘要如今，地理信息越来越多地被世界各地的一些实体使用。然后，需要共享来自不同来源的信息是这种系统扩散的一个明显后果。不幸的是，整合地理信息不是一个微不足道的问题。我们必须处理几个异构性问题，这增加了集成方法的复杂性。为了缓解一些问题，我们引入了一个集成过程的基础上两个主要的任务集-非逻辑和逻辑。前者旨在基于地理数据的结构和语法分析来查找相似性;后者用于通过使用本体来计算数据语义的推理我们说明的方法，整合信息从两个政府实体，管理地理信息的北巴塔哥尼亚，阿根廷。保留字：地理信息系统，本体，语义异构，描述逻辑1介绍目前，正在创造更新和更好的技术和设备，以获取有关地球的大量信息。如今，GPS（全球定位系统）技术是如此普遍，它是遍布各地，如在手机，汽车等。所有这些地理信息都在地理信息系统（GIS）中以不同的详细程度进行分析和然后，在Web上快速搜索地理信息将返回代表我们世界不同部分的几个链接。但是，当有人需要分为多个系统的信息时，会发生什么呢例如，可以通过查询这项工作得到了联合国海洋事务和海洋法委员会项目04/E059的部分支助。1 电子邮件地址：abuccel@uncoma.edu.ar2 电子邮件地址：acechich@uncoma.edu.ar1571-0661 © 2007 Elsevier B. V.在CC BY-NC-ND许可下开放访问。doi：10.1016/j.entcs.2006.08.02346A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）45两个或多个不同的系统。信息的均匀分布是问题之一，还有其他一些问题：这些系统是由具有不同观点和词汇的不同实体开发的它们在互操作系统之间的每一次通信中都会遇到，其中互操作性是指来自不同来源的信息之间的交互，涉及数据集成以组合数据的任务两个系统共享表示河流的数据可以作为一个例子，以澄清不同类型的异质性问题，如下所示[14]：概念模型中的异质性-一个系统 通过 线 在 的 二 系统; 结构或模式异质性– both systems hold the name of a river but one keeps information about theborder; and 进入陆地在这项工作中，我们专注于最后一个问题，语义异构性，在不同的，但相关的信息源的模式集成。一般来说，语义集成过程涉及两个基本任务：语义丰富和映射发现[34]。 语义丰富的主要目标是协调语义异构性，因此它涉及添加更多关于数据的语义信息。提出的各种方法通过使用元数据或本体来添加额外的语义信息。我们对那些使用本体的人特别感兴趣，因为通过定义，它们提供了一个词汇表来表示和交流有关领域的知识，以及一组包含概念层面词汇表术语的关系本体论实际上被广泛地提出来作为面对异质性问题的工具。例如，不同的建议使用形式本体来丰富概念模式，从而改善集成过程[7，8，14，15]。语义丰富任务是达到第二个任务，映射发现。已经提出了几项调查[16，18]，分析与语义匹配相关的不同当我们在发现映射的基础上构建我们的过程时，我们将在第2节中进一步描述其中的一些建议。我们的方法是专注于搜索两个地理ontologies之间的映射这些映射用于生成包含联邦系统的数据结构的全局集成本体，该联邦系统包括一组分布式和自治的数据源。我们的建议是在模式级，即不考虑概念的实例，而只考虑数据的结构。从这些数据中，基于地理标准并使用类、属性、约束等来构建正式本体。在搜索的过程中，考虑了本体的所有这些元素A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）4547映射。我们的建议的新颖性的基础上，不仅分类关系被认为是，但也更复杂的元素的本体。此外，我们应该考虑Mark等人测试的以下假设：“geographic and non-geographicentities are ontologically distinct in a number of ways”他们的实验测试了普通人在概念层面上对地理领域编码的程度。本研究的结论是，有一组地理词汇的使用频率较高，即它们是更经常出现的词汇。原则上，通过知道这些术语是什么，可以简化相似性过程。由 于 我 们 的 建 议 使 用 了 形 式 本 体 ， 因 此 需 要 一 个 逻 辑 形 式 主 义 正 如Cocchiarella写道3特别是描述逻辑[2]已被选定来形式化我们的本体论。除了任何逻辑语言提供的能力之外，还存在能够处理这种形式主义的推理系统。因此，我们的建议利用这些功能，并将其应用在推断映射过程中。本文的组织如下：下一节介绍了相关的文献中的作品，以及与我们的方法的关系。然后，在第3节中简要介绍了描述我们提案主要组件的体系结构概述，然后描述了我们的集成过程。然后，在第4节中展示了一个案例研究，说明了我们的方法的应用。最后讨论了今后的工作和结论2相关工作在过去的几年里，通过使用本体映射发现已经被广泛研究。已经出现了各种方法，提出了寻找不同但相关的本体的元素之间的相似性的过程和技术。一些方法[4，21，24，25，10]涉及非特定信息系统，其他方法[14，30，31，34，36]专门面向地理信息。这两个群体相互补充，因为其中一些群体提出的解决方案可以为其他群体所用。例如，在[31]中提出的相似性函数已在[4]中应用。关于第一组，观察者[25]是文献中引用较多的方法之一。它定义了一个处理多个本体的模型，避免了集成全局本体的问题OBSERVER中的一个重要组件它可以被看作是一个系统的语义目录，用于解决该组件通过定义几种可互操作的关系，如同义词、下义词、上义词、重叠等，支持基于本体的互操作之间3http://www.stoqnet.org/latwww.example.com48A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）45不同 （本地开 发的）本 体的术语 。这些 关系是映 射本体元 素所必 需的，但OBSERVER没有提出语义匹配方法，因此必须手动找到映射此外，语义匹配方法的示例在[4，21，24，10]中描述。例如，[10]和[24]提出了两个类似的本体合并工具。一方面，[10]中描述的PROMPT工具提出了一种交互式工具，可以引导用户完成合并过程。然而，PROMPT工具的主要问题是它高度依赖于本体中概念的名称。另一方面，Chimarea [24]支持合并来自不同来源的本体术语，检查本体的覆盖率和正确性，并随着时间的推移维护本体除了几种涉及本体结构方面的情况外，Chimarea不会向用户提出任何建议; Chimarea考虑的唯一关系是子类/超类关系。[21]中介绍了另一种语义匹配的建议，其中使用词汇和概念层来查找相似性。在词汇层面，该方法使用了一个词汇功能，称为词汇相似性度量（SM）。在概念级别，概念（类和属性）的比较考虑到它们出现的分类法。但是，此方法不考虑某些类型的属性。关于涉及地理信息的第二组，[30]中的工作提出了两种不同的相似性评估方法的组合该方法的主要缺点是由于对自然语言描述的高度依赖，不能自动或半自动地计算相似度另一个例子是[14]中介绍的工作，它定义了一种方法，通过使用逻辑语言表示的本体来集成数据库模式。一个推理系统被用来合并本体论的基础上一组推断的相似性关系。源本体是基于源模式的元素并考虑到更高级别的本体（具有一般术语和最小约束的本体结果是正式的本体描述逻辑。由于这些源本体基于更高级别的本体（即，它们在其定义中包括该本体，并为其他一些元素添加更详细的定义PowerLoom [20]推理系统用于评估DL定义。在ODGIS（Ontology-DrivenGeographic Information Systems，本体驱动地理信息系统）方法[6]中，作者介绍了一个地理信息集成框架。该框架有两个主要方面，知识生成，其中本体被指定，以及知识使用，其中一组组件交互以回答查询（通过使用机制从本体中检索类实例的实例）。特别是在第一个方面，不同细节A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）4549是特定的-这种方法的主要因此，本体的每个实体可以扮演许多角色。角色和层次结构机制被用作集成不同本体的工具。最后，在[34]中，通过使用概念模型和描述逻辑，定义了时空概念模式集成的方法学。要集成的源通过使用MADS概念数据模型（具有时空特征的应用数据建模[27]）及其多种表示能力[26]来表示，该提案基于对模式间知识的规范和使用，也就是说，它们不关注语义匹配活动，而是关注构建集成系统的方法。专家设计师负责找出两个MADS概念模型之间可能的映射描述逻辑推理服务用于检查模式间映射集的满足性。该模型具有丰富的时空语义，但映射必须手动发现。通过实现逻辑和非逻辑两种过程，我们的方法将集成问题的两个方面结合起来。首先，使用形式化语言来表示本体。这些“形式本体”是基于为地理信息系统定义的标准构建的。通过用形式语言表示本体，我们利用数据的逻辑发现了新的关系。推理系统用于执行关于所定义的分类的推理因此，隐含的关系被发现并添加到本体。第二个重要的方面是对本体要素的句法和结构分析。这些分析旨在发现逻辑过程无法发现的相似性因此，这两个进程是相辅相成的。将我们的建议与文献中的建议进行比较，可以发现关于[14]中描述的建议的一些共同点例如，描述逻辑被用作表示领域本体的工具，以便利用推理机制。但是在[14]中，领域本体必须致力于相同的因此，领域本体不是独立的，因为不同的社区必须与高级本体一致。另一个与我们有一些相似之处的建议是ODGIS方法[6]。通过这种方法管理语义粒度的方式被应用于我们的方法（在本体树中寻找向上的第一个可能的交集）;然而，我们不使用不同细节级别的本体。不同的是，该提议需要人为干预（在本体创建和角色定义上），并使用一组简化的语义关系（is-a、part-of和whole-of）。此外，与[14]一样，领域本体基于高级本体。50A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）45Fig. 1. 我们提案3我们的架构在以前的作品[4，5]中，我们提出了一个基于分层的架构（图1），通过使用本体来集成不同的信息源此外，还定义了一种在那里，本体可以是非形式的，因为仅考虑句法和语义关系。该方法包含三个级别（语法，语义和用户级别），允许用户找到几个正确的映射。现在，为了实例化我们处理地理信息的方法，源信息由本地和自治地理信息系统表示正式的本体在下一层，表示从每个源提取的信息。逻辑被用作本体表示的形式主义，例如使用描述逻辑（DL）[2]和基于框架的逻辑（FLogic）[17]。他们之间的比较可以在[14]中找到。由于DL相对于FLogic的几个优点，DL被选择来表示我们的本体。此外，一个推理系统已被用来进行推理的语义数据。为了构建集成系统，下一层定义了六个主要组件。 其结果是，一个全球性的本体是建立涉及的概念，包括在正式的本体。为了查询系统，潜在的用户浏览这个全局本体。让我们简单地描述一下组件的配置文件。推理系统和词库是外部组件，因为它们不在我们的开发范围内，尽管它们确实是集成过程的一部分。推理系统用于执行本体之间的推理，例如推断概念之间的叙词表用于非逻辑过程，通过概念的句法和结构比较来寻找映射。我们的集成过程分为两组主要任务-逻辑A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）4551逻辑任务涉及前面提到的推理系统。非逻辑任务包括句法比较、结构比较和叙词表。句法比较组件从句法上分析来自不同本体的概念。也就是说，概念的名称是比较的。接下来，结构信息组件分析本体的元素的关系和属性此外，词库组件用于提取语义信息，以找到同义词关系。通过使用句法和词库结果，并执行结构匹配，结构比较组件生成一组与源概念相关的映射。下一节将详细介绍我们的集成过程。3.1一体化进程地理信息是系统的基础。这些信息通过使用形式本体来表示，以便利用数据的语义。通过使用ISO/IS 19107 [12]、ISO/DIS 19109 [11]等地理标准创建正式的本体。首先，建立一个概念模型，捕捉由地理源表示的信息。然后，这些概念模型通过使用任何本体编辑器（在这种情况下，Pr ot′eg′e[28]）被翻译为正式的本体。因此，选择逻辑是我们的数据段预处理的一个重要输入。集成过程分析它们，考虑到类，属性（关联和属性），专业化/泛化关系和本体的约束[4]。在这个过程中涉及两个主要的任务集-第一组，非逻辑任务，考虑到句法和结构分析，涉及五个组件：句法比较，结构比较，叙词表，映射规则和全局本体（图1）。在句法分析（由句法比较组件执行）中，分析两个形式本体，以寻找其中所涉及的元素之间的句法相似性。这里使用如下三个相似性函数。• 编辑距离函数，它考虑将一个字符串转换为另一个字符串所必须完成的更改数量，并根据最短字符串的长度对这些更改的数量进行• trigram函数[19]，它基于两个概念或字符串中不同的trigram的数量。• 检查约束函数，它比较应用于属性的约束，例如基数约束。只有当两个属性具有相同的限制时，函数才会返回1;否则，它会根据相同的限制数量返回一个前两个函数以不同的方式比较概念的名称。因此，这两个函数根据比较名称的语法返回不同的相似性结果。接下来，在结构分析中（由结构比较52A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）453组件）执行两个主要步骤。在第一步中，将句法分析的结果与同义词信息的结果结合在一起。同义词组件用于提取本体概念之间的同义词关系。这些关系是必要的，因为同义词（通常）在句法上并不相似。 在这种情况下，EuroWordNet4被用作同义词词典。EuroWordNet是一个多语言数据库，包含几种欧洲语言的WordNet，例如我们感兴趣的西班牙语。它是基于美国英语的WordNet（WordNet [29]）。然而，我们必须面对的主要问题是，并不是WordNet中的每个词网都在EuroWordNet中;只有大约35%的词网被翻译。因此，有几个词表示形式本体中的元素，而没有同义词关系。此外，EuroWordNet（与WordNet一样）并非专门用于地理信息，当使用某些特定的地理词汇时，无法找到它们。然而，据我们所知，地理词库尚未创建。在第二步中，为了执行结构比较，使用[3，31]中描述这个函数比较类共有的属性的数量，例如，如果层次结构中的相同深度）。因此，利用最后分析（结构分析）的结果，生成映射规则。它们被用来构建全局本体，供用户浏览，以查询集成系统。现在，我们应该看看逻辑任务。我们的架构的三个组成部分涉及到逻辑过程（图1）：推理系统，形式本体和全球本体。这一过程发生在整个整合过程中的两个不同时刻，即非逻辑任务之前和之后。在这两种情况下，推理系统组件都用于利用数据的逻辑。请记住，我们正在使用由逻辑语言（在本例中为描述逻辑）表示的形式本体。因此，通过推理系统，如RACER [13]，可以执行对本体的推理。我们利用的能力，推断类和属性之间的包容关系的模式（TBox）。也就是说，推理系统将确定概念在分类层次结构（通过子概念关系构建的层次结构）中的位置在非逻辑任务之前，执行逻辑过程以识别每个形式本体中的子集关系。也就是说，推理系统检查形式本体上的类包含。此外，可以在本体中找到等价类，因为当C是4 http://www.illc.uva.nl/EuroWordNet/A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）4553由D包含，D由C包含[2]。因此，每个正式的本体进入非逻辑过程与推断层次（由推理机计算）。在完成非逻辑任务后，推理系统用于分析全局本体中可能的隶属关系。请记住，这个本体是通过使用非逻辑过程获得的映射规则生成的。因此，全局本体也将包含推断的层级。此外，推理系统用于检查每个模型，形式本体，并由此产生的全球本体的一致性在这里，检查意图定义（在TBOX中）的有效性如果发现不一致，专家用户负责解决它。4为例为了说明这一过程，两个不同的地理信息系统已被选定参与集成。这些系统目前没有 一 起 工 作 ， 但 它 们 存 储 类 似 的 信 息 。 一 个 系 统 由 AIC （ AutoridadInterjurisdiccional de Cuencas ）实体管理，该实体负责阿根廷巴塔哥尼亚的Neuqu'en、Limay和Negro的管理、整合、使用和出版覆盖的区域包括R o Negro、Neuqun和BuenosAireprvinces的地区（约140.000Km2，占阿根廷总领土的5%）。另一个系统是由ProvincialOeofTerritoriaater（DPCT-Direcci′onProvincialdeCatastro Territorial）实施的，其中存储了关于建筑物、街道、包裹等的所有信息。计算结果表明，该地区的降水量为94.068Km2。图2以图形方式显示了AIC系统概念模型的简化部分。地图显示了一些真实的对象实体表示（点箭头引用它们）。该模型中使用了三种几何类型，参考如图右侧所图3以图形方式显示了另一个概念模型DPCT系统的一部分。这两种模型具有不同的粒度，因为他们的不同的利益。这里的粒度是指语义粒度，包括特征选择中涉及的细节级别[9]。AIC系统表示自然对象（河流、湖泊、山脉等）。比DPCT系统更详细。另一方面，建筑物、业主和城市组织等对象在DPCT系统中更为详细。54A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）45图二. AIC系统图三. DPCT系统A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）455510粒度是通过使用泛化/特化关系来管理的[9]。当关于这些关系的信息不够时，EuroWordNet被用作获取它们的工具。此外，本文还对上下义词之间的关系进行了探讨。这一逻辑过程是两个本体整合过程的开始。我们通过使用本体论语言来表示这两个概念模型（在这种情况下，OWL[1]和Prot′eg′e[28]以改进本体论）。地理数据类型已从iso-191075本体中导入。它们是用于表示地理类型的特征几何模型[32]例如，在DPCT概念模型的情况下（图3），<猫头鹰：限制>Parte en que se divide un territorio/rdfs：comment><猫头鹰：限制>Poblacin principal de un pas o de una provincia/rdfs：comment>“Area”类表示组成城市或省会的不同区域（由“compuestoPor”属性表示）。 这两个类的定义产生了一个推断的层次结构，其中“Capital”被提议为“Localidad”的子类。“Localidad” is a 因此，任何满足这个定义的个体都将属于这个类。否则，这个定义就是“资本”的必要条件。注意，如果“compuestoPor”属性是两个类中的必要条件，则推理系统计算等价关系。一旦分类法的分类分别应用于两个形式本体，非逻辑过程就开始了。为此，通过比较元素的名称，从语法上分析这两个本体。三个函数被用来寻找它们之间的相似之处。例如，当编辑距离函数返回0，而trigram函数返回1。最后，检查约束5 http://loki.cae.drexel.edu/wbs/ontology/iso-19107. htm56A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）45函数等于1，因为应用于这些类的约束是相同的。接下来，在结构分析期间，从同义词词典中提取同义词关系以确定所比较的元素是否相关。在这个例子中，这些类包含同义词关系。结构分析的第二步只比较类，计算它们共有的属性的数量。按照我们的例子，“Ciu- dad”和“Localidad”类被定义为“nombre”（表示城市的名称）、“limite”（表示城市的边界）和“compuestoPor”（表示组成城市的区域）作为属性。在DPCT本体的情况下，“Localidad”类是“Capital”类的超类。此外，由于这些类在层次结构中处于同一级别，因此结构函数返回的结果非常高。然后，两个分析（句法和结构）的所有信息被组合，以获得相似度值作为结果。更具体地说，这些结果是相似性函数的一部分，其中乘积之和（值×权重（w））进行。在本案例研究中，我们认为，相似性函数是均匀分布的（权重之和等于1）。但是这些权重可以随着专家用户想要赋予它们的重要性而相应地改变。然后，利用这些相似度函数的结果生成映射规则。最后，当映射规则已经生成并且初始全局本体已经构建时在该步骤中，如前所述，可以找到子类关系，包括子类/超类和等价关系。此外，如果发现全局本体不一致（由于某些映射规则的结果），需要专家用户因此，他/她不得不重新考虑一些非逻辑分析的决定。表1显示了为案例研究中的类找到的映射规则。属性“cruza”（意思是十字架）和“atraviesa”（意思是穿越）被发现是相似的，因为它们是同义词。然后，所有同名的属性也被发现是相似的。普罗温西亚 Provincia=查克拉 Chacra=Cuidad. 地 方 报=拉戈 Lago=库埃尔波-德阿瓜. 马 萨 -德阿瓜=里约 里约=区 区域=巴里奥 Barrio=表1由我们的集成流程通过在这个案例研究中应用我们的方法，我们可以看到考虑到本体的所有元素，可以找到的映射集。本体不仅是分类法，而且是表示更多语义的属性这些属性（在所有概念模型中使用）在非逻辑过程中进行比较A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）4557此外，执行逻辑过程以推断非逻辑过程不能发现的隐含关系。因此，通过结合这两个过程，我们的方法可以发现比类似方法更合适的映射，例如第2节中引用的方法。5结论和今后的工作在这项工作中的架构和过程中，整合地理资源已被描述。特别是，我们与本区域两个组织管理的两个地理来源合作。我们的方法旨在帮助整个集成过程的一部分，为新系统的构建提供解决方案。我们的方法的主要优点是结合了逻辑和非逻辑两个过程，两者相辅相成。也就是说，在一个过程中发现的映射或隐含关系被另一个过程考虑在内。通过这种方式，本体的更多属性被表示和比较。作为未来的工作，我们正在两个过程中工作。首先，在逻辑部分，分析不一致性，以研究自动选项来解决它们。请记住，目前它们是由专家用户手动解决的。另一方面，在非逻辑部分，NLP（自然语言处理）技术被认为是寻找一对多映射的工具;也就是说，一个本体的一个元素可以映射到另一个本体的两个元素。使用NLP工具的初步工作可以在[33]中找到，其中此外，我们正致力于界定一组在地理领域中经常使用的结构性术语。这与[23]中介绍的研究类似，但使用的是西班牙语引用[1] 安东尼乌湾和F.范哈梅伦，Web本体语言：OWL，在：S。Staab和R.Studer编辑们信息系统本体论手册（2003）。[2] Baader，F.，D. Calvanese，D. McGuiness，D. Nardi和P. Patel-Schneider，编辑，[3] Buccella，A.，A.Cechich和N.R.J.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.C.[4] Buccella，A.，A. Cechich和N.R. F.A.，一个集成异构知识的联邦层，在：F。Gadducci和M. H. terBeek，editors，VODCA79比97[5] Buccella，A.，A. Cechich和N. R. [1]参见：《MICAI'05：Fourth Mexican International Conferenceon Arti Ficial Intelligence》80比89[6] Fonseca，F.，“本体驱动的地理信息系统”，博士Thesis，University of Maine（2001）.[7] Fonseca ， F. ， C. Davis 和 C. Camara ， Bridging ontologies and conceptual schema in geographicalinformation integration，Geoinformatica（2003），pp. 307-321[8] Fonseca，F.，M. Egenhofer，P. Agouris和C.陈文，地理信息系统的本体论，北京：中国地理信息系统出版社，2002年。58A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）45[9] Fonseca ， F. ， M. 埃 根 霍 费 尔 角 Davis 和 C. Camara ， Semantic Granularity in Ontology-DrivenGeographic Information Systems，Annals of Mathematics and Arti Official Intelligence36（2002），pp.121- 151[10] Fridman Noy，N.和M. A.穆森，PROMPT：自动本体合并和对齐的算法和工具，在：第十七届全国人工智能会议和第十二届人工智能创新应用会议（2000年），pp。450-455[11]地理信息，应用程序模式规则。国际标准草案19109，ISO/IEC（2002）。[12] 地理信息，空间模式。国际标准19107，ISO/IEC（2003）。[13] 哈斯列夫河谷和R.Moller，RACER系统描述，在：P.Lambrix，A.Borgida，M.伦泽里尼，R. Moller和P. Patel-Schneider，编辑，CEUR-WS描述逻辑国际研讨会论文集，22，Linkoeping，瑞典，1999。[14] Hakimpour，F.，“使用本体解决语义异构集成空间数据库模式”，博士。论文，苏黎世大学（2003年）。[15] Hakimpour，F.和A. Geppert，Global Schema Generation using formal ontologies，in：Proceedings ofER307-321[16] Kalfoglou ， Y. 和 M. Schorlemmer ， Ontology Mapping ： The State of the Art ， The KnowledgeEngineering Review18（2003），pp. 1-31[17] Kifer，M.，G. Lausen和J.Wu，面向对象和基于框架语言的逻辑基础，J. ACM42（1995），pp.741-843[18] Klein，M.，结合和关联本体：问题和解决方案的分析，在：会议录IJCAI-2001本体论和信息共享研讨会，西雅图，美国，2001年。[19] 林，D.，相似性的信息理论定义，在：第十五届国际机器学习会议论文集，1998年，pp。296-304[20] 麦 格 雷 戈 河 ， H. Chalupsky 和 E. Melz ， PowerLoom Manual ， Technical report ， University ofSouthern California，http://www.isi.edu/isd/LOOM/Power-Loom/documentation/manual.pdf（1997）.[21] Maedche，A.和S. Staab，Measuring Similarity between Ontologies，in：Proceedings of EKAW'02：the13th International Conference on Knowledge Engineering and Knowledge Management. Ontologies andthe Semantic Web，LNCS（2002），pp. 251-263。[22] Magnini ， B. ， M. Speranza 和 G. Girardi ， A Semantic-Based Approach to Interoperability ofClassification。等级：语言技术的评价，在：COLING'04会议记录，日内瓦，瑞士，2004年。[23] Mark ， D. M. ， A. Skupin 和 B. Smith ， Features ， Objects ， and Other Things ： OntologicalDistinctions in the Geographic Domain ， in ： Spatial Information Theory ： Foundations ofGeographic Information Science，LNCS2205（2001），pp.488-502[24] McGuinness，D.，R. Fikes，J. Rice和S. Wilder，合并和测试大型本体的环境，在：KR'00会议记录483-493.[25] Mena，E.，A. Illarramendi、V.Kashyap和A. P. Sheth，观察者：基于跨现有本体的互操作的全球信息系统中的查询处理方法，分布式和并行数据库8（2000），pp. 223-271。[26] PARENT，C.， S. SpaccapietraandE. 我爱你murmurproject：现代化和现代化Multi-representationspatio-temporal databases，Information Systems（2005）.[27] PAR E NT，C.， S. SpaccapietraandE. Zim′anyi，Spatio-temporalconceptualmodels：数据结构+空间1999年，《Proceedings of GIS'99：the 7thACM International Symposium on Advances in GeographicInformation Systems》（第7届ACM国际地理信息系统进展研讨会），第1026比33[28] Prot'eg'e，http：//protege. 是的，edu/doc/user sgui de/index. html（2000年）。[29] 理查森河，巴西-地和A.陈文，“以知识为基础的资讯检索”，国立台湾大学资讯工程研究所硕士论文，台北市，1995年。[30] 罗德里格斯，阿。和M. Egenhofer，比较地理空间实体类：一种非对称和上下文相关的相似性度量，国际地理信息科学杂志18（2004），第18页。229-256A. Buccella，A.Cechich/Electronic Notes in Theoretical Computer Science 168（2007）4559[31] Rodr'souguez ， A.和 M.J.Egenhoferr ， DeterminingSematicSimilarityamomngEntyC lassesfromDinterent Ontologies，IEEE Transactions on Knowledge and Data Engineering 15（2003），pp. 442-456.[32] 我想你会喜欢的，先生。 一、“A Gene r i c A r c i tectur e for Geograph i c I n for m at i o n Sys tems，“Ph. D. 第50集5.6 The Universe's Is，Universe's，Universe（2004）[33] 罗杰，S.， A. Buccella，A. Cechich和M. Palomar，ASeMatch： 一 语义 匹配方法， 参加：TSD[34] Sotnykova，A.，C. Vangenot，N. Cullot，N. Bennacer和M. Aufaure，语义映射在描述逻辑的时空数据库模式集成，数据语义学杂志III（2005年），页。143- 167[35] Tversky，A.，相似性的特征，心理学评论84（1977），pp。327-352.[36] 维瑟大学，“Intelligent Information Integration for the Semantic Web,” LNCS