Automatic background knowledge selection for matching biomedical ontologies.
Automatic background knowledge selection for matching biomedical ontologies.
复制标题
DOI：
10.1371/journal.pone.0111226
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
Couto FM
中科院分区：
文献类型：
--
作者：
Faria D;Pesquita C;Santos E;Cruz IF;Couto FM
本体匹配是一个不断发展的研究领域，对于语义网的发展至关重要。使用背景知识进行本体匹配通常是成功的关键因素，特别是在复杂和词汇丰富的领域，如生命科学。然而，在大多数本体匹配系统中，背景知识源要么由系统预定义，要么必须由用户提供。在本文中，我们提出了一种新的方法，自动选择背景知识源的任何给定的本体匹配。这种方法通过评估通过它映射的类相对于直接映射的类的比例来衡量每个背景知识源的有用性，我们称之为映射增益。我们实现了这种方法的mathemementMakerLight本体匹配框架，并评估它使用的基准生物医学本体匹配任务从本体对齐评估计划（OAEI）2013。在每个匹配问题中，我们的方法一致地识别了导致基线对齐最高改进的背景知识来源（即，没有背景知识）。此外，我们提出的映射增益参数与产生的对齐的F-度量密切相关，从而使其成为基于背景知识的本体匹配技术的良好估计器。
Ontology matching is a growing field of research that is of critical importance for the semantic web initiative. The use of background knowledge for ontology matching is often a key factor for success, particularly in complex and lexically rich domains such as the life sciences. However, in most ontology matching systems, the background knowledge sources are either predefined by the system or have to be provided by the user. In this paper, we present a novel methodology for automatically selecting background knowledge sources for any given ontologies to match. This methodology measures the usefulness of each background knowledge source by assessing the fraction of classes mapped through it over those mapped directly, which we call the mapping gain. We implemented this methodology in the AgreementMakerLight ontology matching framework, and evaluate it using the benchmark biomedical ontology matching tasks from the Ontology Alignment Evaluation Initiative (OAEI) 2013. In each matching problem, our methodology consistently identified the sources of background knowledge that led to the highest improvements over the baseline alignment (i.e., without background knowledge). Furthermore, our proposed mapping gain parameter is strongly correlated with the F-measure of the produced alignments, thus making it a good estimator for ontology matching techniques based on background knowledge.
登录
查看更多内容
影响因子：
14.9
作者：
Noy NF;Shah NH;Whetzel PL;Dai B;Dorf M;Griffith N;Jonquet C;Rubin DL;Storey MA;Chute CG;Musen MA
通讯作者：
Musen MA
影响因子：
1.9
作者：
Kirsten T;Gross A;Hartung M;Rahm E
通讯作者：
Rahm E
影响因子：
14.9
作者：
Bodenreider, O
通讯作者：
Bodenreider, O
影响因子：
2.5
作者：
Lambrix, Patrick;Tan, He
通讯作者：
Tan, He
影响因子：
6.4
作者：
Cruz, IF;Rajendran, A
通讯作者：
Rajendran, A