自动化本体匹配中的不确定性：来自实证实验的经验教训
人工智能
2024-05-30 v1
摘要
数据集成被视为信息科学界中的经典研究领域与迫切需求。本体通过提供良好巩固的支撑，经互操作性链接并语义集成数据集，在此类过程中发挥关键作用。本文从应用视角切入数据集成，考察基于本体匹配的技术。唯有假设对不同信息源进行人工匹配，方可认为某本体驱动过程是充分的。然而，一旦系统规模扩大，该方式便不切实际，故匹配过程的自动化成为迫切需求。为此，我们借助学界现有自动化本体匹配工具，在真实数据上开展实验。即便考虑相对简单的案例（即全球指标的时空对齐），结果也清晰显示出自动化匹配过程中因错误与不精确所致的显著不确定性。更具体地，本文旨在真实世界数据上检验一种自底向上的知识构建方法，探讨案例实验结果的经验教训，并就自动化本体匹配过程中的不确定性及不确定性管理得出结论。尽管最常规的评估指标明确表明完全自动化匹配方案不可靠，但恰当设计的半监督方法似已成熟，可更泛化地应用。
引用
@article{arxiv.2310.11723,
title = {Uncertainty in Automated Ontology Matching: Lessons Learned from an Empirical Experimentation},
author = {Inès Osman and Salvatore F. Pileggi and Sadok Ben Yahia},
journal= {arXiv preprint arXiv:2310.11723},
year = {2024}
}