今天我们来讨论通过应用机器学习技术，用半自动的方法发现异构本体间的映射我们希望对半自动模式发现系统进行改进概念分类是本体中最重要的部分，其着重寻找分类本体概念之间的1:1 映射另外，我们还期望能从1:1扩充为发现关系之间的映射并且能够处理更复杂的映射形式（如：1:n，n:1等），接下来我们就来聊聊关于人工智能财税?以下内容大家不妨参考一二希望能帮到您!
人工智能财税
今天我们来讨论通过应用机器学习技术，用半自动的方法发现异构本体间的映射。我们希望对半自动模式发现系统进行改进。概念分类是本体中最重要的部分，其着重寻找分类本体概念之间的1:1 映射。另外，我们还期望能从1:1扩充为发现关系之间的映射并且能够处理更复杂的映射形式（如：1:n，n:1等）。
目前的思路是根据分类寻找本体之间1:1的映射。其中主体思想是：
- 相似度定义：基于概念的联合概率分布，利用概率分布度量并判断概念之间的相似度。目前我们可以定义4种概念的联合概率分布；
- 计算相似度：由于本体之间的实例是独立的，为了计算本体中概念和本体中其他概念之间的相似度，我们采用了机器学习的技术，利用一个实例去训练匹配器，然后用训练好的匹配器去判断其他的实例；
- 多策略学习：使用机器学习的时候，存在一个问题，那就是一个特定的学习算法通常只能适配和解决一个特定类别的问题。但是，现实中的本体往往是一个多类型信息类型的综合体，单个学习器无法有效利用各种类型的信息。因此，我们采用了多策略学习技术，也就是说我们用多个学习器进行学习，然后通过一个元学习器综合各学习器的结果；
- 利用领域约束：我们会利用领域约束条件和通过启发式规则来提高映射的精度。
- 处理复杂映射：为了发现本体之间的复杂映射（如1:n），我们也在扩展现有的系统，从而寻找复杂的部分。
