以模糊正規化概念分析為基礎的本體論合併

目前建構本體論的工具與方法很多，而建構出來的本體論也會有所差異，在相同的領域下，如果直接使用已被建構好的本體論，可以節省相當多建構本體論的成本，而在相同領域下，本體論的整合便成為一項重要課題。本篇論文主要提出由上而下以模糊正規概念分析為基礎及擷取WordNet 資訊的本體論整合方法，稱為FFCA-Merge (Fuzzy Formal Concept Analysis-Merge)，此架構的流程是先將需整合的本體論進行預先處理，並從WordNet 內容中獲取資訊進行合併及校正，再者利用模糊概念分析技術來彌補WordNet 無法完成的合併及校正工作，最後產生模糊本體論，目前領域本體論的合併方法主要還是針對不具有模糊概念的本體論，而透過FFCA-Merge 合併之後，可以轉換成模糊本體論。在處理不明確資料時，模糊本體論具有更強大的彈性與優勢。最後在實驗的部份也可證明我們提出的方法確實具有效用。