بهبود نگاشت‌ لغوی با در نظر گرفتن اهمیت جایگاه گرامری واژه‌ها در همترازیابی هستان‌شناسی‌ها

با توجه به نیاز اشتراک گذاری دانش در حوزه های مختلف وب معنایی، مفهوم هستان‌شناسی به عنوان روشی برای استانداردسازی اطلاعات معرفی شده‌است. اما برای همکاری بین حوزه های مختلف دانش نیاز به همترازیابی بین هستان شناسی ها ایجاد شده‌است. همترازیابی هستان شناسی به فرآیند نگاشت بین جفت موجودیت های دو هستان شناسی اطلاق می‌گردد. مهمترین مولفه برای یافتن جفت موجودیت های همتراز بین دو هستان شناسی، استفاده از معیارهای شباهت است. معیارهای شباهت شامل سه دسته معیارهای شباهت معنایی، لغوی و ساختاری هستند. در برخی از روش های همترازیابی از یک معیار و در برخی از روش های کاراتر مانند aml, logmap برای رسیدن به نتایج مطلوب تر از ترکیب چندین معیار شباهت استفاده شده‌است. ما در این مقاله توانسته‌ایم با تاکید بر درنظر گرفتن اهمیت جایگاه گرامری واژه‌ها در محتوای متنی موجودیت‌ها، روش aml را بهبود داده و کارایی این روش را از نظر معیار f به 94 درصد در مجموعه هستان‌شناسی آناتومی ارتقا دهیم.

improving lexical matching in ontology alignment by considering the importance of grammatical position of words

considering the need for knowledge sharing in various semantic web domains, the concept of ontology has been introduced as a method for standardizing information. however, for collaboration between different knowledge domains, the need for alignment between ontologies has arisen. ontology alignment refers to the process of mapping pairs of entities between two ontologies. the most important component for finding aligned pairs of entities between two ontologies is the use of similarity measures. similarity measures encompass three categories: semantic, lexical, and structural similarities. some alignment methods use a single measure, while more advanced approaches like aml and logmap combine multiple similarity measures to achieve better results. in this article, we have been able to improve the aml method by emphasizing the importance of the grammatical position of words in the textual content of entities, and enhance its performance to 94% in terms of the f-measure in the anatomy ontology dataset.