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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Spiking Convolutional Deep Belief Networks Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Ontology Alignment with Weightless Neural Networks

verfasst von : Thais Viana, Carla Delgado, João C. P. da Silva, Priscila Lima

Erschienen in: Artificial Neural Networks and Machine Learning – ICANN 2017

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In this paper, we present an ontology matching process based on the usage of Weightless Neural Networks (WNN). The alignment of ontologies for specific domains provides several benefits, such as interoperability among different systems and the improvement of the domain knowledge derived from the insights inferred from the combined information contained in the various ontologies. A WiSARD classifier is built to estimate a distribution-based similarity measure among the concepts of the several ontologies being matched. To validate our approach, we apply the proposed matching process to the knowledge domain of algorithms, software and computational problems, having some 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 Two-Level Neural Network for Multi-label Document Classification
Nächstes Kapitel Marine Safety and Data Analytics: Vessel Crash Stop Maneuvering Performance Prediction
Fußnoten
1
In this project, we adopted the Lancaster Stemmer implementation available in [3].
 
2
We developed our python project using the open source PyWaNN library from [15].
 
3
Due to its initial applications to graphical pattern classification.
 
Literatur
1.
Achichi, M., Cheatham, M., Dragisic, Z., Euzenat, J., Faria, D., Ferrara, A., Flouris, G., Fundulaki, I., Harrow, I., Ivanova, V., et al.: Results of the ontology alignment evaluation initiative 2016. In: 11th ISWC Workshop on Ontology Matching (OM), pp. 73–129. No commercial editor (2016)
2.
Aleksander, I., Thomas, W., Bowden, P.: Wisard a radical step forward in image recognition. Sens. Rev. 4(3), 120–124 (1984)CrossRef
3.
Bird, S.: NLTK: the natural language toolkit. In: Proceedings of COLING/ACL on Interactive Presentation Sessions, COLING-ACL 2006, pp. 69–72 (2006)
4.
Cheatham, M., Dragisic, Z., Euzenat, J., Faria, D., Ferrara, A., Flouris, G., Fundulaki, I., Granada, R., Ivanova, V., Jiménez-Ruiz, E., et al.: Results of the ontology alignment evaluation initiative 2015. In: 10th ISWC Workshop on Ontology Matching (OM), pp. 60–115. No commercial editor (2015)
5.
Chortaras, A., Stamou, G., Stafylopatis, A.: Learning ontology alignments using recursive neural networks. In: Duch, W., Kacprzyk, J., Oja, E., Zadrożny, S. (eds.) ICANN 2005. LNCS, vol. 3697, pp. 811–816. Springer, Heidelberg (2005). doi:10.​1007/​11550907_​128
6.
Djeddi, W.E., Khadir, M.T.: Ontology alignment using artificial neural network for large-scale ontologies. Int. J. Metadata Semant. Ontol. 16 8(1), 75–92 (2013)CrossRef
7.
Ehrig, M.: Ontology Alignment: Bridging the Semantic Gap (Semantic Web and Beyond). Springer-Verlag New York, Inc., Secaucus (2006)
8.
Euzenat, J., Shvaiko, P.: Ontology Matching. Springer-Verlag New York, Inc., Secaucus (2007)MATH
9.
Faria, D., Pesquita, C., Balasubramani, B.S., Martins, C., Cardoso, J., Curado, H., Couto, F.M., Cruz, I.F.: OAEI 2016 results of AML. In: Ontology Matching, p. 138 (2016)
10.
Gangemi, A., Guarino, N., Masolo, C., Oltramari, A., Schneider, L.: Sweetening ontologies with DOLCE. In: Gómez-Pérez, A., Benjamins, V.R. (eds.) EKAW 2002. LNCS, vol. 2473, pp. 166–181. Springer, Heidelberg (2002). doi:10.​1007/​3-540-45810-7_​18 CrossRef
11.
Grieco, B.P.A., Lima, P.M.V., De Gregorio, M., França, F.M.G.: Producing pattern examples from “mental” images. Neurocomputing 73(7–9), 1057–1064 (2010)CrossRef
12.
13.
Oberle, D., Grimm, S., Staab, S.: What is an ontology? In: Handbook on Ontologies, pp. 383–402 (2009)
14.
Oberle, D., Lamparter, S., Grimm, S., Vrandečić, D., Staab, S., Gangemi, A.: Towards ontologies for formalizing modularization and communication in large software systems. Appl. Ontol. 1(2), 163–202 (2006)
15.
Rangel, F., Vieira, P.L.M., Oliveira, J.: Semi-supervised classification of social textual data using wisard. In: Proceedings of ESANN 2016 (2016)
16.
Shvaiko, P., Euzenat, J.: Ontology matching: state of the art and future challenges. IEEE Trans. Knowl. Data Eng. 25(1), 158–176 (2013)CrossRef
17.
Staffa, M., Rossi, S., Giordano, M., Gregorio, M.D., Siciliano, B.: Segmentation performance in tracking deformable objects via WNNs. In: 2015 IEEE International Conference on Robotics and Automation (ICRA), pp. 2462–2467 (2015)
18.
Uschold, M., Gruninger, M.: Ontologies: principles, methods and applications. Knowl. Eng. Rev. 11, 93–136 (1996)CrossRef
19.
20.
Viana, T., da Silva, J.C.P., Delgado, C., Martins, C.E.S., Gouvêa, F.R.: Collaborative encyclopedia of algorithms - AlgPedia. In: \(25^o\) WEI - Workshop sobre Educação em Computação - CSBC, 2017, São Paulo - SP. Anais do \(25^o\) WEI - Workshop sobre Educação em Computação - CSBC, pp. 2277–2286 (2017)
Metadaten
Titel
Ontology Alignment with Weightless Neural Networks
verfasst von
Thais Viana
Carla Delgado
João C. P. da Silva
Priscila Lima
Copyright-Jahr
2017
Buch
Artificial Neural Networks and Machine Learning – ICANN 2017

Print ISBN: 978-3-319-68611-0

Electronic ISBN: 978-3-319-68612-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-68612-7_43

Premium Partner

    Bildnachweise