CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Large-Scale Ontology Matching: a Review of the Literature

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۸۱ | نظرات: ۰
سال انتشار: ۱۳۹۵
نوع ارائه: شفاهی
کد COI مقاله: IRANWEB02_035
زبان مقاله: انگلیسی
حجم فایل: ۴۲۰.۹۶ کیلوبایت (فایل این مقاله در ۸ 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 ۸ 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 Large-Scale Ontology Matching: a Review of the Literature

  Samira Babalou - Department of Computer Engineering, Faculty of Engineering, University of Science and Culture, Tehran, Iran
  Mohammad Javad Kargar - Department of Computer Engineering, Faculty of Engineering, University of Science and Culture, Tehran, Iran
  Seyyed Hashem Davarpanah - Department of Computer Engineering, Faculty of Engineering, University of Science and Culture, Tehran, Iran

چکیده مقاله:

Ontology as the base of semantic web is used in many applications. Different ontologies in the same domain lead some heterogeneities and ontology matching systems are developed for resolved them. Heterogeneities have arisen owing to the fact that these ontologies have been created by various people through diverse methods. Nowadays, using large-scale ontologies in some applications such as medical fields seems inevitable. By using large-scale ontologies, some problems like the shortage of memory consumption and long duration of execution appeared in ontology matching systems. In this paper, large-scale ontology matching systems are studied and proposed a general architecture for them. Then large-scale ontology matching systems classified based on the partitioning large ontologies into several sub-ontologies, as known as the modularization, decomposition, summarization, clustering, and divide and conquer categories. This new classification will be useful for future research works in this field. In order to find out the efficiency of the ontology matching systems the results of OAEI (Ontology Alignment Evaluation Initiative) for the period 2011 to 2015 are compared. In spite of great progress, increasing accuracy is required in some section such as conference and benchmark sections.

کلیدواژه‌ها:

Ontology, ontology matching, large-scale ontology matching, literature review

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_035.html
کد COI مقاله: IRANWEB02_035

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:
Babalou, Samira; Mohammad Javad Kargar & Seyyed Hashem Davarpanah, ۱۳۹۵, Large-Scale Ontology Matching: a Review of the Literature, دومین کنفرانس بین المللی وب پژوهی, تهران, دانشگاه علم و فرهنگ, https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_035.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: (Babalou, Samira; Mohammad Javad Kargar & Seyyed Hashem Davarpanah, ۱۳۹۵)
برای بار دوم به بعد: (Babalou; Kargar & Davarpanah, 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: موسسه غیرانتفاعی
تعداد مقالات: ۱۰۸۴
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.