【报告内容】

汇报人：乔钰博

汇报单位：太原理工大学

主题：《Complex ontology alignment for autonomous systems via the Compact Co-Evolutionary Brain Storm Optimization algorithm》

1、Introduction

2、Related Work

3、Method

4、Experiments

5、Conclusion

【报告总结】

1、待解决的问题描述

 1）如何更好引导算法的进化方向；

 2）如何用部分参考匹配对来代表全部的参考匹配对；

 3）如何使用克服进化算法的早熟收敛问题。

2、相关创新方案

 1）使用聚类算法进行PRA的构建

 2）使用MA来克服早熟收敛

3、实验总结

 1）该方法可以找到比基于从本体中随机选择类构建的PRA的MA更好的解，并且该方法确定的解的RA精度通常较高。这是因为基于聚类的方法可以增加建立PRA的机会，该PRA可以更好地在语义上表示原始本体，我们可以获得与使用RA类似的调整效果。

 2）与现有的本体匹配系统相比，我们的方法能够获得更准确的结果。

 3）该方法的性能优于GOAL（基于EA的经典本体匹配系统），克服了早期收敛的问题。

4、未来工作

 1）机器学习和本文方法的优劣？

 2）在交互中，用户需要不断引导算法的进化，为什么不使用交互呢？

 3）如何选择PRA的数量，PRA如何实现合理（使用RA来指导算法的进化是完美的）（PRA的选择数量）？

 4）随机选择PRA，三种相似性度量都是最好的，对进化方向的引导不利？

报告时间：2023年08月18日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)