بهبود نگاشت‌ لغوي با در نظر گرفتن اهميت جايگاه گرامري واژه‌ها در همترازيابي هستان‌شناسي‌ها

Improving Lexical Matching in Ontology Alignment by Considering the Importance of Grammatical Position of Words

با توجه به نياز اشتراك گذاري دانش در حوزه هاي مختلف وب معنايي، مفهوم هستان‌شناسي به عنوان روشي براي استانداردسازي اطلاعات معرفي شده‌است. اما براي همكاري بين حوزه هاي مختلف دانش نياز به همترازيابي بين هستان شناسي ها ايجاد شده‌است. همترازيابي هستان شناسي به فرآيند نگاشت بين جفت موجوديت هاي دو هستان شناسي اطلاق مي‌گردد. مهمترين مولفه براي يافتن جفت موجوديت هاي همتراز بين دو هستان شناسي، استفاده از معيارهاي شباهت است. معيارهاي شباهت شامل سه دسته معيارهاي شباهت معنايي، لغوي و ساختاري هستند. در برخي از روش هاي همترازيابي از يك معيار و در برخي از روش هاي كاراتر مانند AML, LOGMAP براي رسيدن به نتايج مطلوب تر از تركيب چندين معيار شباهت استفاده شده‌است. ما در اين مقاله توانسته‌ايم با تأكيد بر درنظر گرفتن اهميت جايگاه گرامري واژه‌ها در محتواي متني موجوديت‌ها، روش AML را بهبود داده و كارايي اين روش را از نظر معيار F به 94 درصد در مجموعه هستان‌شناسي آناتومي ارتقا دهيم.

Considering the need for knowledge sharing in various semantic web domains, the concept of ontology has been introduced as a method for standardizing information. However, for collaboration between different knowledge domains, the need for alignment between ontologies has arisen. Ontology alignment refers to the process of mapping pairs of entities between two ontologies. The most important component for finding aligned pairs of entities between two ontologies is the use of similarity measures. Similarity measures encompass three categories: semantic, lexical, and structural similarities. Some alignment methods use a single measure, while more advanced approaches like AML and LOGMAP combine multiple similarity measures to achieve better results. In this article, we have been able to improve the AML method by emphasizing the importance of the grammatical position of words in the textual content of entities, and enhance its performance to 94% in terms of the F-measure in the anatomy ontology dataset.