DESKMatcher


Monych, Michael ; Portisch, Jan ; Hladik, Michael ; Paulheim, Heiko


[img] PDF
oaei20_paper7.pdf - Veröffentlichte Version

Download (686kB)

URL: https://madoc.bib.uni-mannheim.de/58765
Weitere URL: http://ceur-ws.org/Vol-2788/oaei20_paper7.pdf
URN: urn:nbn:de:bsz:180-madoc-587652
Dokumenttyp: Konferenzveröffentlichung
Erscheinungsjahr: 2020
Buchtitel: OM 2020 : Proceedings of the 15th International Workshop on Ontology Matching co-located with the 19th International Semantic Web Conference (ISWC 2020) Virtual conference (originally planned to be in Athens, Greece), November 2, 2020
Titel einer Zeitschrift oder einer Reihe: CEUR Workshop Proceedings
Band/Volume: 2788
Seitenbereich: 181-186
Veranstaltungstitel: OM 2020
Veranstaltungsort: Online
Veranstaltungsdatum: 02.11.2020
Herausgeber: Shvaiko, Pavel ; Euzenat, Jérôme ; Jiménez-Ruiz, Ernesto ; Hassanzadeh, Oktie ; Trojahn, Cássia
Ort der Veröffentlichung: Aachen, Germany
Verlag: RWTH Aachen
ISSN: 1613-0073
Verwandte URLs:
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Data Science (Paulheim 2018-)
Bereits vorhandene Lizenz: Creative Commons Namensnennung 4.0 International (CC BY 4.0)
Fachgebiet: 004 Informatik
Freie Schlagwörter (Deutsch): Datenintegration
Freie Schlagwörter (Englisch): ontology matching , data integration , semantic matching
Abstract: This paper describes DESKMatcher, a label-based ontology matcher. It utilizes background knowledge from the financial services and enterprise domain to better find matches in these domains. The background knowledge utilized for the enterprise domain was in the form of documentation of terms used in SAP software (textual). Therefore, Word2Vec and GloVewere used for these corpora. The Financial Industries Business Ontology (FIBO) was used as more specific background knowledge for the financial services domain. Vector space embeddings for this corpus were trained using RDF2Vec and KGloVe. Individual matchers utilizing one set of embeddings (generated from a combination of method and corpus) are pipelined together after string-based matchers, searching only for matches between entities that have not been assignedto a match in a previous step. Results on theOAEI tracks are expectedto be sub-par, because low overlap between corpus and task vocabulary is expected.




Dieser Eintrag ist Teil der Universitätsbibliographie.

Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Download-Statistik

Downloads im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen