MAPSOM: User Involvement in Ontology Matching

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00218711" target="_blank" >RIV/68407700:21230/13:00218711 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-06826-8_26" target="_blank" >http://dx.doi.org/10.1007/978-3-319-06826-8_26</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-06826-8_26" target="_blank" >10.1007/978-3-319-06826-8_26</a>

Jazyk výsledku

angličtina

Název v původním jazyce

MAPSOM: User Involvement in Ontology Matching

Popis výsledku v původním jazyce

This paper presents a semi-automatic similarity aggregating system for ontology matching problem. The system consists of two main parts. The first part is aggregation of similarity measures with the help of self-organizing map. The second part incorporates user feedback for refining self-organizing map outcomes. The system calculates different similarity measures (e.g., string-based similarity measure, WordNet-based similarity measure...) to cover different causes of semantic heterogeneity. The next step is similarity aggregation by means of the self-organizing map and the ward clustering. The final step is the active learning phase for results tuning. We implemented this idea as MAPSOM framework. Our experimental results show that MAPSOM framework canbe used for problems where the highest precision is needed.

Název v anglickém jazyce

MAPSOM: User Involvement in Ontology Matching

Popis výsledku anglicky

This paper presents a semi-automatic similarity aggregating system for ontology matching problem. The system consists of two main parts. The first part is aggregation of similarity measures with the help of self-organizing map. The second part incorporates user feedback for refining self-organizing map outcomes. The system calculates different similarity measures (e.g., string-based similarity measure, WordNet-based similarity measure...) to cover different causes of semantic heterogeneity. The next step is similarity aggregation by means of the self-organizing map and the ward clustering. The final step is the active learning phase for results tuning. We implemented this idea as MAPSOM framework. Our experimental results show that MAPSOM framework canbe used for problems where the highest precision is needed.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Sementic Technology - Third Joint International Conference

ISBN

978-3-319-06825-1

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

16

Strana od-do

348-363

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

Soul

Datum konání akce

28. 11. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—