本体对齐（A.K.A本体匹配（OM））在知识集成中起着关键作用。由于机器学习在许多域中的成功，它已应用于OM。然而，通常采用ad-hoc特征工程或非上下文词嵌入的现有方法尚未表现出基于规则的系统，特别是在无监督的环境中。在本文中，我们提出了一个名为BertMap的新型OM系统，它可以支持无监督和半监督的设置。它首先使用基于微调从本体中提取的文本语义语料上的上下文嵌入模型伯特来预测使用分类器的映射，然后通过利用本体结构和逻辑来通过扩展和修复来改进映射。我们在生物医学本体上的三个对齐任务的评估表明BertMap通常可以比领先的OM系统LogMap和AML更好。
translated by 谷歌翻译