【报告内容】

汇报人：胡桢

汇报单位：太原理工大学

主题：《Integrating Large-Scale Ontologies for Economic and Financial Systems Via Adaptive Co-Evolutionary NSGA-II》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

由于本体工程师的主观性，本体存在异质性问题，这阻碍了基于本体的智能专家系统之间的合作。当面对大规模的本体匹配问题时，由于搜索空间大，NSGA-II 往往陷入局部最优解。为了有效解决这一缺点，我们将大规模本体问题建模为非线性优化问题，并提出了一种自适应协同进化 NSGA-II （ACE-NSGA-II） 来处理它。

2.相关创新方案

1）提出了一种大规模本体匹配技术的协同进化MOEA框架。

2）提出了3种进化算子实现协同搜索过程，提高了大规模本体匹配的质量;

3）提出了一种自适应种群维护策略，使算法能够快速收敛。进的MACFA算法。

3.实验总结

综上所述，ACE-NSGA-II的比对质量上级NSGA-II和OAEI参与者，这表明使用协同进化机制可以有效地增加种群的多样性，并且使用三种不同类型的交叉算子可以兼顾探索和开发，以提高算法的寻优能力。实验结果表明，ACE-NSGA-II算法能够有效地对不同类型的异构本体进行高质量的本体匹配。

4.未来工作

虽然ACE-NSGA-II能够有效地解决大规模本体匹配问题，但仍然存在问题。“首先，作为大规模本体匹配的核心技术，相似性度量对大规模本体匹配对齐的准确性和匹配过程的效率有着重要的影响。然而，现有的相似性度量聚合方法在面对不同类型的大规模本体匹配任务时不具有灵活性。因此，自适应相似性度量是解决这一问题的有效方法。一种可行的方法是首先从两个本体片段集中抽取一部分来表示本体，然后通过交互过程请专家提供标准比对，最后针对具体的匹配任务确定具体的相似性度量技术。此外，在对大规模本体进行优化时，维护相似矩阵运算所需的内存也是一个巨大的负担。因此，应该利用诸如映射约简机制的存储器节省策略来减少匹配过程的存储器消耗。

报告时间：2024年12月27日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)