Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Data Science with Vadalog: Bridging Machine Learning and Reasoning Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Adaptive Algorithms for Computing Ontologies Metrics Through Processing of RDF Graphs

verfasst von : Jean Vincent Fonou-Dombeu, Yannick Kazela Kazadi

Erschienen in: Model and Data Engineering

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The advent of the Semantic Web has increased the number of ontologies representing domains knowledge on the internet. These ontologies are available in the form of thousands of Resource Description Framework (RDF) or Web Ontology Language (OWL) statements which are difficult to read and understand by a human being. On the one hand, several tools have been developed to enable the semi-automatic or automatic access and exploitation of RDF and OWL ontologies. On the other hand, several metrics have been defined to theoretically measure the complexity of RDF and OWL ontology graphs. However, implementing computer programs for the empirical analysis of ontology complexity metrics through the automatic exploration of RDF or OWL graphs remains challenging. This study proposes a set of generic algorithms for computing ontology complexity metrics through the processing of RDF graphs. The algorithms are applied on a set of 25 biomedical ontologies and provide promising results.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Scrum and V Lifecycle Combined with Model-Based Testing and Model Driven Architecture to Deal with Evolutionary System Issues
Nächstes Kapitel CRank: A Novel Framework for Ranking Semantic Web Ontologies
Literatur
1.
Ding, L., et al.: Swoogle: a search and metadata engine for the semantic web. In: 13th ACM Conference on Information and Knowledge Management, Washington, DC, USA, pp. 652–659 (2004)
2.
d’Aquin, M., Motta, E.: Watson, more than a Semantic Web search engine. Seman. Web J. 2, 1–9 (2011)
3.
Rubin, D.L., Moreira, D.A., Kanjamala, P.P., Musen, M.A.: BioPortal: a web portal to biomedical ontologies. In: AAAI Spring Symposium: Symbiotic Relationships between Semantic Web and Knowledge Engineering, Palo Alto, California, USA, pp. 74–77 (2008)
4.
Yang, Z., Zhang, D., Ye, C.: Evaluation metrics for ontology complexity and evolution analysis. In: Proceedings of the IEEE International Conference on e-Business Engineering, Shanghai, China, pp. 162–170 (2006)
5.
Zhang, H., Li, Y.F., Tan, H.B.K.: Measuring design complexity of semantic web ontologies. J. Syst. Soft. 83, 803–814 (2010)CrossRef
6.
Yao, H., Orme, A.M., Etzkorn, L.: Cohesion metrics for ontology design and application. J. Comput. Sci. 1, 107–113 (2005)CrossRef
7.
Tartir, S., Arpinar, B., Moore, M., Sheth, A., Aleman-Meza, B.: OntoQA: metric-based ontology quality analysis. In: Proceedings of IEEE Workshop on Knowledge Acquisition from Distributed, Autonomous, Semantically Heterogeneous Data and Knowledge Sources, USA, pp. 45–53 (2005)
8.
Myneni, S., Amith, M., Geng, Y., Tao, C.: Towards an ontology-driven framework to enable development of personalized mHealth solutions for cancer survivors’ engagement in healthy living. Stud. Health Technol. Inform. 216, 113–117 (2015)
9.
Carroll, J., Dickinson, I., Dollin, C., Reynolds, D., Seabone, A., Wilkinson, K.: Jena: implementing the semantic web recommendations. In: Proceedings of the 13th International World Wide Web Conference on Alternate Track Papers & Posters, New York, NY, USA, pp. 74–83 (2004)
10.
Chen, L., Martone, M., Gupta, A., Fong, L.: OntoQuest: exploring ontological data made easy. In: Proceedings of the 32nd International Conference on Very Large Databases, Korea, pp. 1183–1186 (2006)
11.
Haarslev, V., Lu, Y.: ONTOXPL-intelligent exploration of OWL ontologies. In: Proceedings of International Conference on Web Intelligence, China, pp. 45–66 (2004)
12.
Aranas, M., Grau, B.C., Kharlamov, E., Marciuska, S., Zheleznyakov, D.: Faceted search over ontology enhanced RDF data. In: Proceedings of Conference on Information and Knowledge Management, China, pp. 939–948 (2014)
13.
Tunkelang, D.: Faceted search. In: Synthesis Lectures on Information Concepts, Retrieval, and Services, vol. 1, pp. 1–80. Morgan & Claypool Publishers (2009)
14.
Leal, J.P.: Using proximity to compute semantic relatedness in RDF graphs. Comput. Sci. Inf. Syst. 10, 1727–1746 (2013)CrossRef
15.
Tongchim, S., Kruengkrai, C., Sornlertlamvanich, V., Srichaivattana, P., Isahara, H.: Analysis of an iterative algorithm for term-based ontology alignment. In: Dale, R., Wong, K.-F., Su, J., Kwong, O.Y. (eds.) IJCNLP 2005. LNCS (LNAI), vol. 3651, pp. 346–356. Springer, Heidelberg (2005). https://​doi.​org/​10.​1007/​11562214_​31CrossRef
16.
Palys, T.: Purposive sampling. In: Given, L.M. (ed.) The Sage Encyclopedia of Qualitative Research Methods, vol. 2, pp. 697–698 (2008)
17.
Arora, S., Barak, B.: Computational Complexity: A Modern Approach, 1st Edn. Cambridge University Press (2009)
Metadaten
Titel
Adaptive Algorithms for Computing Ontologies Metrics Through Processing of RDF Graphs
verfasst von
Jean Vincent Fonou-Dombeu
Yannick Kazela Kazadi
Copyright-Jahr
2018
Buch
Model and Data Engineering

Print ISBN: 978-3-030-00855-0

Electronic ISBN: 978-3-030-00856-7

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00856-7_6

Premium Partner

    Bildnachweise