基于图卷积网络的多源本体相似度计算方法

孙留倩; 魏玉良; 王佰玲

doi:10.11959/j.issn.2096-109x.2021071

您当前的位置：

首页 >

文章列表页 >

基于图卷积网络的多源本体相似度计算方法

学术论文 | 更新时间：2024-06-03

- 基于图卷积网络的多源本体相似度计算方法
- Novel similarity calculation method of multisource ontology based on graph convolution network
- 网络与信息安全学报 2021年7卷第5期页码：149-155
- 作者机构：
- 作者简介：
  
  [ "孙留倩（1997− ），女，山东菏泽人，哈尔滨工业大学（威海）硕士生，主要研究方向为多源数据融合、网络大数据安全" ]
  [ "魏玉良（1989− ），男，山东寿光人，博士，哈尔滨工业大学（威海）助理研究员，主要研究方向为自然语言处理、知识图谱、工业互联网安全" ]
  [ "王佰玲（1978− ），男，黑龙江哈尔滨人，哈尔滨工业大学（威海）教授、博士生导师，主要研究方向为工业互联网安全、信息对抗、信息安全、信息搜索、金融安全" ]
- 基金信息：
  
  国家重点研发计划;The National Key R＆D Program of China(2018YFB2004200)
- DOI：10.11959/j.issn.2096-109x.2021071
  中图分类号： TP393
- 网络首发：2021-10，
  
  纸质出版：2021-10-15
- 稿件说明：
移动端阅览
孙留倩, 魏玉良, 王佰玲. 基于图卷积网络的多源本体相似度计算方法[J]. 网络与信息安全学报, 2021,7(5):149-155.

Liuqian SUN, Yuliang WEI, Bailing WANG. Novel similarity calculation method of multisource ontology based on graph convolution network[J]. Chinese Journal of Network and Information Security, 2021, 7(5): 149-155.
孙留倩, 魏玉良, 王佰玲. 基于图卷积网络的多源本体相似度计算方法[J]. 网络与信息安全学报, 2021,7(5):149-155. DOI： 10.11959/j.issn.2096-109x.2021071.

Liuqian SUN, Yuliang WEI, Bailing WANG. Novel similarity calculation method of multisource ontology based on graph convolution network[J]. Chinese Journal of Network and Information Security, 2021, 7(5): 149-155. DOI： 10.11959/j.issn.2096-109x.2021071.

摘要

在信息时代，数据量呈指数式增长，而不同数据源存在难以统一表示的异构问题，给数据共享、重用造成不便。语义网络的迅速发展，使本体映射成为解决该问题的有效手段，其核心是本体相似度计算，提出了一种基于图卷积网络的计算方法。将本体建模为异构图网络，再使用图卷积网络学习文本嵌入规则，得到全局统一表示，完成多源数据的融合。实验结果表明，所提方法计算准确性高于其他传统方法，有效地提高了多源数据融合的准确度。

Abstract

In the information age

the amount of data is growing exponentially.However

different data sources are heterogeneous

which makes it inconvenient to share and multiplex data.With the rapid development of semantic network

ontology mapping is an effective method to solve this problem.The core of ontology mapping is ontology similarity calculation.Therefore

a calculation method based on graph convolution network was proposed.Firstly

ontologiesare modeled as a heterogeneous graph network

then the graph convolution network was used to learn the text embedding rules

which made ontologies were definedin global unified representation.Lastly

multisource data fusion was completed.The experimental results show that the accuracy of the proposed method is higher than other methods

and the accuracy of multi-source data fusion was effectively improved.

关键词

Keywords

references

杨泉 . 基于遗传算法的词语语义相似度计算研究 [J ] . 计算机技术与发展 , 2021 , 31 ( 2 ): 8 - 13 .

YANG Q . Research on word semantic similarity calculation based on genetic algorithm [J ] . Computer Technology and Development , 2021 , 31 ( 2 ): 8 - 13 .

丁悦航 , 于洪涛 , 黄瑞阳 , 李英乐 . 本体摘要技术综述 [J ] . 网络与信息安全学报 , 2018 , 4 ( 10 ): 12 - 21 .

DING Y H. , YU H T , HUANG R Y . Ontology summarization technology survey [J ] . Chinese Journal of Network and Information Security , 2018 , 4 ( 10 ): 12 - 21 .

DAO W . Distance learning techniques for ontology similarity measuring and ontology mapping [J ] . Cluster Computing , 2017 , 20 ( 2 ): 959 - 968 .

周爱武 , 翟增辉 , 刘慧婷 . 基于模拟退火算法改进的 BP 神经网络算法 [J ] . 微电子学与计算机 , 2016 , 33 ( 4 ): 144 - 147 .

ZHOU A W , ZHAI Z H , LIU H T , et al . Improved BP neural network based on simulated annealing [J ] . Mi-croelectronics and Computer , 2016 , 33 ( 4 ): 144 - 147 .

RADA R , MILI H , BICKNELL E . Development and application of a metric on semantic nets [J ] . IEEE,Transactions on Systems,Man and Cybernetics , 1989 , 19 ( 1 ): 17 - 30 .

孙丽莉 , 张小刚 . 基于 WordNet 的概念语义相似度的计算方法 [J ] . 统计与决策 , 2017 ( 23 ): 79 - 82 .

SUN L L , ZHANG X G . A novel concept semantic similarity calculation method based on WordNet [J ] . Statistics ＆ Decision , 2017 ( 23 ): 79 - 82 .

TVERSKY A . Feature of similarity [J ] . Psychological Review , 1997 , 84 ( 4 ): 222 - 226 .

郑志蕴 , 阮春阳 , 李伦 , 等 . 本体语义相似度自适应综合加权算法研究 [J ] . 计算机科学 , 2016 , 43 ( 10 ): 242 - 247 .

ZHENG Z Y , RUAN C Y , LI L , et al . Adaptive ontology semantic similarity comprehensive weighted algorithm [J ] . Computer Science , 2016 , 43 ( 10 ): 242 - 247 .

卢家伟 , 薛醒思 , 肖祖宇 , 等 . 一种基于混合语义相似度度量方法的本体元匹配技术 [J ] . 宝鸡文理学院学报(自然科学版) , 2020 , 40 ( 2 ): 59 - 63 .

LU J W , XUE X S , XIAO Z G , et al . An ontology meta-matching technique based on the hybrid semantic similarity measure [J ] . Journal of Baoji University of Arts and Sciences(Natural Science Edition) , 2020 , 40 ( 2 ): 242 - 247 .

郭小华 , 彭琦 , 邓涵 , 等 . 基于边权重的WordNet词语相似度计算 [J ] . 计算机工程与应用 , 2018 , 54 ( 1 ): 172 - 178 .

GUO X H , PENG Q , DENG H , et al . Edge weight-based word similarity computation in WordNet [J ] . Computer Engineering and Applications , 2018 , 54 ( 1 ): 172 - 178 .

LI Y , GAO D Q . Research on entity similarity computationin knowledge map [J ] . Chinese Journal of Information Science , 2017 , 31 ( 1 ): 145 - 151 .

许飞翔 , 叶霞 , 李琳琳 , 等 . 基于SA-BP算法的本体概念语义相似度综合计算 [J ] . 计算机科学 , 2020 , 47 ( 1 ): 199 - 204 .

XU F X , YE X , LI L L , et al . Comprehensive calculation of semantic similarity of ontology concept based on SA-BP [J ] . Computer Science , 2020 , 47 ( 1 ): 199 - 204 .

曲强 , 于洪涛 , 黄瑞阳 . 基于图卷积网络的社交网络 Spammer检测技术 [J ] . 网络与信息安全学报 , 2018 , 4 ( 5 ): 39 - 46 .

QU Q YU H T , HUANG R Y . Spammer detection technology of social network based on graph convolution network [J ] . Chinese Journal of Network and Information Security , 2018 , 4 ( 5 ): 39 - 46 .

PENG H , LI J . Large-scale hierarchical text classification with recursively regularized deep graph [J ] . International World Wide Web Conference , 2018 : 1063 - 1072 .

ROUSSEAU F , KIAGIAS E . Text categorization as a graph classification problem [J ] . ACL , 2015 , 1 : 1702 - 1712 .

KIPF T N . Semi-supervised classification with graph convolutional networks [J ] . ICLR , 2017 .

姚佳奇 , 徐正国 , 燕继坤 , 等 . GCN-PU：基于图卷积网络的PU文本分类算法 [J ] . 计算机工程与应用 , 2020 : 1 - 8 .

YAO J Q.XU Z G , YE J K , et al . GCN-PU text classification algorithm based on graph convolutional network [J ] . Computer Engineering and Applications . 2020 : 1 - 8 .

李慧 , 胡吉霞 . 一种基于图卷积自编码模型的多维度学科知识网络融合方法 [J ] . 图书情报工作 , 2020 , 64 ( 18 ): 114 - 125 .

LI H , HU J X . Multi-dimensional subject knowledge network fusion method based on graph convolution self-encoding model [J ] . Library and Information Service , 2020 , 64 ( 18 ): 114 - 125 .

浏览量

220

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据