Enhancing the ontologies matching in semantic web using artificial neural network

Other Title(s)

تحسين استجابة التجميعات الموجودة في الويب الدلالي عن طريق استخدام الشبكة العصبية الصناعية

Dissertant

Darwish, Rami Hilmi

Thesis advisor

Ghanimat, Rawan

University

Princess Sumaya University for Technology

Faculty

King Hussein Faculty for Computing Sciences

University Country

Jordan

Degree

Master

Degree Date

2018

Arabic Abstract

سيمثل الويب الدلالي الجيل الجديد من أسلوب بناء الويب، حيث أنه سيضفي معنى وشرح لصفحات الويب، وسيسهل عمل وكيل البرمجيات بحيث يمكنه من التنقل عبر التجميعات الموجودة في الويب الدلالي ليؤدي أدوارا أوتوماتيكية بناءا على فهمه للشروحات الموجودة في هذه التجميعات.

سيشكل الويب الدلالي إطارا جديدا بحيث يمكن التطبيقات بأن تتشارك البيانات فيما بينها وتمكن أيضا الآلات من معالجة هذه البيانات.

سوف يتم أيضا ضمن الويب الدلالي تطبيق بعض اللغات التي ستدعم وجود هذه التجميعات مثل ((OWL, RDF, XML.

التجميعات هي ضمن معيار دي فاكتوحيث أنها ستعطي البيانات ومصادر البيانات وصفا منطقيا بالإضافة إلى وصف العمليات في الأنظمة الموزعة الكبيرة مثل الويب.

هي بمعنى آخر قاموس للأنواع والخصائص والعلاقات المكونة لنطاق معين، بحيث تعطي المسميات الموجودة ضمن هذا النطاق معنى محددا بالإضافة إلى تحديد وصفا خاصا لهذا النطاق.

يوجد حاليا ضمن الويب العديد من التجميعات الغير المتجانسة، يعود السبب في ذلك أن هذه التجميعات تبنى بطريقة عشوائية دون وجود أي محددات أوقواعد تحكم طريقة أوأسلوب بنائها.

لكي نتمكن من تجاوز هذه العراقيل سيكون الحل الأمثل أن نقوم بعمل مطابقة لهذه التجميعات، حيث أنه من الممكن تطبيق ذلك من خلال إيجاد أوجه التشابه اللغوية والمنطقية بين المسميات المستخدمة في هذه التجميعات.

كي نتمكن من إجراء مطابقة لهذه التجميعات واسترجاع عملية مطابقة دقيقة، تم من قبلنا استخدام الشبكة العصبية الصناعية بحيث يتم تعليمها بالمكونات التي تشكل بنية التجميعات بالإضافة لتعليمها أيضا للانواع الموجودة ضمن هذه التجميعات.

تم استخدام طريقة التغذية الأمامية بما يتعلق بالشبكة العصبية لإيجاد أوجه التشابه بين التجميعات، وتم استخدام طريقة الانتشار الخلفي بما يتعلق بالشبكة العصبية لتقليل الأخطاء وتعليم الشبكة العصبية.

English Abstract

Ontology matching process aims to find correspondence matching between similar terms in different ontologies related to the same domain.

The ontologies are the main component in the semantic web that provides a new framework consisting of many ontologies, for whose support specific languages were designed such as RDF, OWL, and XML.

The process of finding the relationships between multiple ontologies can be achieved manually, by an error-prone and tedious process, or automatically using rule-based techniques (e.g.

WordNet) and specific equations like edit distance, or learning-based techniques such as machine learning tools (e.g.

artificial neural network, ANN).

This study conducts automatic matching between ontologies.

Five large overlapping ontologies were selected: EKAW, CONFIOUS, CMT, COCUS, and CONFOF.

These ontologies are analyzed based on their constituent formulas and expressions, with schema and instance information used as final RDF-triplets datasets.

The final datasets are encoded manually using synset offset value from WordNet.

Finally, ANN is taken to find correspondence matching between the five ontologies.

Three training algorithms are used to train the ANN separately: gradient descent, conjugate gradient, and Levenberg-Marquardt.

The contribution of our approach is to retrieve more than output at the same time, which means that the ANN has to be trained enough to distinguish that a certain triplet is existing in more than one ontology at the same time.

This will be useful in the future if one of the ontologies is down or under maintenance, offering other choices to end-users to retrieve requested information.

Main Subjects

Information Technology and Computer Science

Topics

• Semantic Web
• Neural networks(Computer science)

No. of Pages

127

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-795726