【报告内容】

汇报人：胡桢

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、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

自治系统 （AS） 通过本体共享数据和语义，在开放环境中进行协作。然而，当不同的 AS 对同一概念使用不同的术语或逻辑时，就会出现本体异质性。传统的本体对齐 （OA） 仅支持简单的 1 对 1 映射，缺乏解析 AS 互作性所需的复杂映射的能力。

2.相关创新方案

(1)通过0-1整数优化模型对复杂OA问题进行了形式化定义，将复杂优化问题转化为简单优化问题

(2)将对应关系分为7类，并提出一种混合置信度来区分简单和复杂对应关系;

(3)提出了一种基于CCBSO的本体对齐技术，该技术结合了紧凑编码和协同进化机制，能够有效地确定简单和复杂的本体。

3.实验总结

该混合置信度综合利用了模式和实例信息，其结果优于仅考虑模式级或实例级信息的AMLC、LogMap和Carnard等方法。因此，混合相似性度量可以获得互利，从而增加找到正确对应的概率。CBSO算法采用紧凑的进化范式提高了算法的搜索效率，不需要执行聚类，算法简洁。CCBSO进一步引入了协同进化机制，使其能够更好地权衡开发和探索，提高收敛速度。与经典的BSO算法相比，CBSO算法通过竞争学习机制，能够更有效地学习种群的概率分布模型。CCBSO算法通过协同进化机制引导算法探索未知区域，避免早熟收敛，并有效学习更复杂的概率模型，确定全局最优解。

4.未来工作

虽然CCBSO算法在实验中表现出了一定的优越性，但其置信度的计算需要较长的运行时间，有必要引入自适应子种群维护等策略来进一步提高算法的效率。此外，在处理大规模本体时，分治策略可以有效提高本体的对齐效率。然而，复杂的本体划分方法需要考虑不同段之间的语义边界，这一问题有待于进一步研究。

报告时间：2025年06月06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)