基于多头自注意力模型的本体匹配方法

作者：吴楠; 唐雪明

来源：无线电通信技术, 2023, 49(06): 1081-1087.

• 语义关系
• *" name="keyword">OWL2Vec*
• 本体匹配
• 多头自注意力模型

随着语义网的发展，本体数量不断增加，本体间的语义关系变得越来越复杂。因此，引入OWL2Vec*方法获取本体的语义嵌入表示。通常，匹配的类或属性具有相似的结构，因此利用了字符级和结构级的相似性度量。为高效融合多种相似度值，提出基于多头自注意力模型的本体匹配方法(Ontology Matching Method Based on Multi-Head Self-Attention, OM-MHSA)自主学习各相似度方法对匹配结果的贡献值。在国际本体对齐评测组织(Ontology Alignment Evaluation Initiative, OAEI)提供的Conference数据集上进行实验，结果表明，相对LSMatch和KGMatcher+方法，提出的模型准确率(Precision)提升了6%,召回率(Recall)和F1值(F1-measure)超过了ALIOn、TOMATO和Matcha等方法。可见，提出的模型能够提升匹配结果的效率。

• 单位
  南宁师范大学; 物理与电子学院