对地观测传感网信息服务的模型与方法实验结果

实验选择网络覆盖服务模式1.1版本和1.0版本的Get Capabilitiesdescribe Coverage， get Coverage三种类型模式文件，分别使用COMA、CONTEXT和SEMANTIC三种方法对两种版本模式文件进行匹配。

得到实验结果后，我们选取模式匹配方法的研究中最常用、最能够反映模式匹配方法性能的查准率、查全率和全面性 (Rahm等，2001) 这3项指标来进行对比。

从匹配结果图6-29，6-30，6-31可以看出，在三种方法中，基于语义的匹配方法无论是在查全率还是匹配的精度和质量上都好于COMA和CONTEXT。基于语义方法的匹配查全率均值达到82%，平均精度均值达到91%，匹配质量全面性均值达到67%; COMA的匹配查全率均值为72%，平均精度均值为85%，匹配质量全面性均值为62%; CONTEXT的匹配查全率均值为60%，平均精度均值为78%，匹配质量全面性均值为44%。

图6-29 匹配查全率比较(www.xing528.com)

图6-30 匹配精度比较

图6-31 三种匹配方法得到的匹配质量全面性比较

基于语义的模式匹配方法通过模式元素间语义进行深度分析，通过借助Word Net等外部语义知识库来发现元素语义上的本来关系，从而为那些从语法上无法进行匹配的元素对找到了一种新的对应关系，即相等或包含等关系，能够发现模式元素间更多的映射关系，因此在查全率和精度等质量指标上取得比COMA等匹配方法更好的结果。但基于语义方法并不能找到全部映射关系，特别是对那些从语义上都无法确定关系的映射，如元素对(Source Coverage，Identifier)，无论从语法或语义上都不能确定它们是对应的关系，但实际上在WCS两种版本的模式元素描述中，它们表示的是同一意义，即是对某个具体cover-age名称的描述。对于这些模式映射，只能通过匹配后的专家干预来发现。此外，在本书中并没有分析语义匹配方法的性能问题，语义匹配方法由于需要额外对所有元素进行预处理 (特别是对合成词的处理)，Word Net知识库初始化，语义分析和关系识别及验证，所以效率上明显低于COMA等方法，这将是以后需要改进的方面。