申请/专利权人:兰州理工大学
申请日:2022-09-26
公开(公告)日:2023-01-06
公开(公告)号:CN115577117A
主分类号:G06F16/36
分类号:G06F16/36;G06F16/33;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.01.24#实质审查的生效;2023.01.06#公开
摘要:本发明公开了一种基于真‑伪三连体神经网络的本体匹配方法,步骤如下:从待匹配本体中提取核心实体集;利用混合相似度度量方法构建训练数据集;对训练数据集进行字符嵌入,得到字符向量;将字符向量送入真‑伪三连体神经网络中进行模型训练;对验证数据集进行匹配;对匹配结果进行评估。本发明能够同时通过SNN和PNN对本体中的同类以及异类注释属性进行语义学习,得到的语义特征更能全面表示实体的语义信息,有效促进了本体匹配结果质量的提高,很好地解决了现有的本体匹配方法无法全面学习本体的语义信息、导致得到的语义特征并不能有效代表实体的语义信息、进而造成匹配结果的质量无法满足实际基于本体的智能系统间交互要求的问题。
主权项:1.一种基于真-伪三连体神经网络的本体匹配方法,其特征在于,包括以下步骤:S1:给定待匹配本体,从待匹配本体中提取各自具有代表性的实体,得到核心实体集,用于构建训练数据集;S2:构建训练数据集;S3:对训练数据集进行字符嵌入,将字符转化为可供计算机识别的字符向量;S4:将编码好的字符向量送入真-伪三连体神经网络中进行模型训练;所述真-伪三连体神经网络采用两个循环神经网络RNN作为孪生神经网络SNN中的子网络结构,并将这两个循环神经网络RNN中的一个与长短期记忆网络LSTM一起作为伪孪生神经网络PSNN的子网络结构;S5:将验证数据送入真-伪三连体神经网络中进行匹配;S6:对匹配结果进行评估,验证真-伪三连体神经网络模型的有效性。
全文数据:
权利要求:
百度查询: 兰州理工大学 一种基于真-伪三连体神经网络的本体匹配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。