【报告内容】

汇报人：贺国东

汇报单位：太原理工大学

主题：《Automatic Knowledge Graph matching via Self-adaptive Designed Genetic Programming》

1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1.待解决的问题描述

近年来，进化算法（EA）已经作为解决实体匹配问题的前沿方法而出现。然而，现有的基于进化算法的匹配方法存在着依赖于人类经验进行SM选择和SM集成结构的预先确定、使用标准匹配结果来评价种群以及过早收敛等问题，降低了匹配结果的质量，限制了其实用性。

2.相关创新方案

1）提出了一种新的个体表示方法，使SDGP能够探索SM的选择和组合，并设计了一种新的适应度函数来自动评估个体，而无需标准对齐。

2）为了提高SDGP的性能，在其演化过程中引入了一种新的AAD方法。它可以自适应地确定算法设计的时机，并通过紧凑遗传算法（CGA）有效地为SDGP确定合适的育种算子和控制参数，帮助其跳出局部最优。

3）在本体比对评估计划（OAEI）的KG数据集上验证了SDGP的有效性，结果表明SDGP可以有效地确定各种KG匹配任务的高质量比对。

3.实验总结

本文提出了一种新的SDGP方法，该方法为KG匹配自动构建SM，SDGP包括一种新的个体表示，一种新的适应度函数，以及一种新的AAD算法。大量的实证研究表明，SDGP可以在各种异质KG匹配的情况下有效地找到高质量的对齐。进一步的分析验证了新的适应度函数和AAD在SDGP中的有效性。

4.未来工作

1）开发有针对性的方法来选择和协同组合基础SM，以适应特定的匹配任务。

2）继续研究一系列的算法优化，以使AAD不仅更有效，而且解决其计算复杂性，使其更适合资源受限或实时应用。

报告时间：2024年08月16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)