CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

OMeGA: Ontology Matching enhanced by Genetic Algorithm

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۴۰۱ | نظرات: ۰
سال انتشار: ۱۳۹۵
نوع ارائه: شفاهی
کد COI مقاله: IRANWEB02_034
زبان مقاله: انگلیسی
حجم فایل: ۲۹۴.۵۱ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله OMeGA: Ontology Matching enhanced by Genetic Algorithm

  Mehrnoush Shamsfard - Faculty of Computer Science and Engineering, Shahid Beheshti University, Tehran, Iran
  Behzad Helli - Faculty of Computer Science and Engineering, Shahid Beheshti University, Tehran
  Samira Babalou - Department of Computer Engineering, Faculty of Engineering, University of Science and Culture, Tehran, Iran

چکیده مقاله:

In this paper, we propose a new ontology matching approach, OMeGA, based on genetic algorithms applied on the graph structure of ontologies. Our approach finds the linguistic-structural similarities between concepts in two ontologies. It introduces new fitness functions and new criteria for categorizing test cases into four categories. Our approach does not need any extra information or resource with exception to the ontology itself. Experimental results on applying OMeGA on defined cases show higher performance compared to existing method.

کلیدواژه‌ها:

Ontology matching, genetic algorithms, graph theory

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_034.html
کد COI مقاله: IRANWEB02_034

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Shamsfard, Mehrnoush; Behzad Helli & Samira Babalou, ۱۳۹۵, OMeGA: Ontology Matching enhanced by Genetic Algorithm, دومین کنفرانس بین المللی وب پژوهی, تهران, دانشگاه علم و فرهنگ, https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_034.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Shamsfard, Mehrnoush; Behzad Helli & Samira Babalou, ۱۳۹۵)
برای بار دوم به بعد: (Shamsfard; Helli & Babalou, ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۶۵۸۳
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.