[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_chi%E1%BA%BFu%20ontology{\"limit\":5}":3,"_public_topic_byId_chiếu ontology":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":19,"definition":20,"discipline":21,"references":22,"faqs":47,"createUser":57,"publishUser":61,"keywords":65,"keywordCount":76,"enrichTopicLink":77,"status":78,"createTime":79,"updateTime":80,"publishTime":81,"linkEnrichedTime":82,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":83,"relateTopics":84},"chiếu ontology","Chiếu ontology là gì? Định nghĩa và ứng dụng","Tìm hiểu Chiếu ontology (Ontology Mapping): định nghĩa khoa học chuẩn mực, cơ chế vận hành, các thông số thực nghiệm và ứng dụng chuyên sâu. Cập nhật tà...","\u003Cp>\u003Cstrong>Chiếu ontology\u003C\u002Fstrong> (\u003Cem>Ontology Mapping\u003C\u002Fem>) là quá trình xác lập các quan hệ tương ứng hoặc ánh xạ ngữ nghĩa giữa các thực thể thuộc hai hay nhiều ontology khác nhau nhằm phục vụ tích hợp tri thức và tương tác liên hệ thống.\u003C\u002Fp>\n\u003Ch2>Định nghĩa chiếu ontology\u003C\u002Fh2>\n\u003Cp>\nChiếu ontology (ontology mapping) là quá trình xác lập các phép ánh xạ giữa các thực thể tương ứng (lớp, thuộc tính, quan hệ, cá thể) trong hai hay nhiều ontology độc lập. Mục đích của chiếu là tìm ra những điểm tương đồng về mặt ngữ nghĩa giữa các thành phần của các hệ tri thức không đồng nhất, từ đó hỗ trợ khả năng tích hợp dữ liệu, suy diễn qua các miền tri thức khác nhau và tăng {{topic|%7B%22topic%22%3A%22kh%E1%BA%A3%20n%C4%83ng%20t%C6%B0%C6%A1ng%20t%C3%A1c%22%7D}} giữa các hệ thống thông tin.\n\u003C\u002Fp>\n\u003Cp>\nQuá trình chiếu có thể đơn giản như xác định rằng một lớp “Người” trong ontology A tương ứng với lớp “HumanBeing” trong ontology B, hoặc phức tạp hơn như ánh xạ các mối quan hệ có cấu trúc hoặc ngữ nghĩa khác nhau nhưng biểu diễn cùng một khái niệm trong miền ứng dụng. Kết quả của chiếu thường được biểu diễn dưới dạng một tập hợp các cặp ánh xạ có cấu trúc cụ thể.\n\u003C\u002Fp>\n\u003Cp>\nChiếu ontology là một khâu thiết yếu trong kiến trúc Web ngữ nghĩa và hệ thống dữ liệu liên kết (linked data), góp phần thúc đẩy khả năng liên kết tri thức ở quy mô lớn, chẳng hạn như giữa các tập dữ liệu y học, sinh học, {{topic|%7B%22topic%22%3A%22th%C6%B0%C6%A1ng%20m%E1%BA%A1i%20%C4%91i%E1%BB%87n%20t%E1%BB%AD%22%7D}} hoặc hành chính công.\n\u003C\u002Fp>\n\n\u003Ch2>Phân biệt chiếu, liên kết và hợp nhất ontology\u003C\u002Fh2>\n\u003Cp>\nChiếu ontology thường bị nhầm lẫn với các khái niệm liên quan như liên kết ontology (ontology alignment) và hợp nhất ontology (ontology merging), tuy cả ba đều phục vụ cho mục tiêu kết nối và tích hợp tri thức. Sự khác biệt nằm ở mục đích, đầu ra và mức độ can thiệp vào cấu trúc ontology gốc.\n\u003C\u002Fp>\n\u003Cp>\nChiếu tập trung vào việc thiết lập các quan hệ giữa các thành phần tương ứng của hai ontology, mà không thay đổi hay trộn lẫn cấu trúc nội tại. Trong khi đó, liên kết (alignment) thường có ngữ nghĩa mạnh hơn, với kỳ vọng rằng các khái niệm được liên kết là hoàn toàn tương đương hoặc có quan hệ phân cấp rõ ràng. Hợp nhất (merging) là quá trình tạo ra một ontology mới bằng cách tích hợp toàn bộ hoặc một phần các ontology đầu vào.\n\u003C\u002Fp>\n\u003Cp>\nBảng sau minh họa các điểm khác nhau giữa ba khái niệm:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"8\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Tiêu chí\u003C\u002Fth>\n      \u003Cth>Chiếu (Mapping)\u003C\u002Fth>\n      \u003Cth>Liên kết (Alignment)\u003C\u002Fth>\n      \u003Cth>Hợp nhất (Merging)\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Mục tiêu\u003C\u002Ftd>\n      \u003Ctd>Tìm quan hệ tương ứng\u003C\u002Ftd>\n      \u003Ctd>Tạo ánh xạ ngữ nghĩa\u003C\u002Ftd>\n      \u003Ctd>Tạo ontology mới\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Đầu ra\u003C\u002Ftd>\n      \u003Ctd>Tập ánh xạ\u003C\u002Ftd>\n      \u003Ctd>Quan hệ OWL\u002FRDF\u003C\u002Ftd>\n      \u003Ctd>Ontology tích hợp\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Can thiệp cấu trúc\u003C\u002Ftd>\n      \u003Ctd>Không\u003C\u002Ftd>\n      \u003Ctd>Không hoặc nhẹ\u003C\u002Ftd>\n      \u003Ctd>Có\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Vai trò của chiếu ontology trong web ngữ nghĩa\u003C\u002Fh2>\n\u003Cp>\nTrong kiến trúc Web ngữ nghĩa do W3C đề xuất (\u003Ca href=\"https:\u002F\u002Fwww.w3.org\u002Fstandards\u002Fsemanticweb\u002F\" target=\"_blank\">Semantic Web standards\u003C\u002Fa>), chiếu ontology là cơ sở để kết nối các tập dữ liệu phi cấu trúc hoặc dị biệt ngữ nghĩa. Các ontology thường được biểu diễn dưới dạng OWL\u002FRDFS và lưu trữ trong các triple store hoặc graph database như Apache Jena, Stardog hoặc Virtuoso. \n\u003C\u002Fp>\n\u003Cp>\nTrong bối cảnh đó, chiếu giúp thiết lập các quan hệ như \u003Ccode>owl:sameAs\u003C\u002Fcode>, \u003Ccode>rdfs:subClassOf\u003C\u002Fcode> giữa các đối tượng từ các nguồn khác nhau. Nhờ đó, người dùng hoặc máy có thể truy vấn xuyên nguồn thông qua ngôn ngữ SPARQL và tổng hợp thông tin mà không cần chuẩn hóa thủ công.\n\u003C\u002Fp>\n\u003Cp>\nMột ứng dụng cụ thể là trong {{topic|%7B%22topic%22%3A%22h%E1%BB%87%20th%E1%BB%91ng%20y%20t%E1%BA%BF%22%7D}}: dữ liệu bệnh án được mã hóa theo ICD-10, trong khi dữ liệu gen được tổ chức theo SNOMED CT hoặc UMLS. Chiếu ontology cho phép ánh xạ các thực thể y học tương ứng, từ đó hỗ trợ suy diễn tri thức liên ngành phục vụ chẩn đoán và điều trị chính xác.\n\u003C\u002Fp>\n\n\u003Ch2>Các loại ánh xạ ngữ nghĩa\u003C\u002Fh2>\n\u003Cp>\nChiếu ontology có thể bao gồm nhiều loại ánh xạ khác nhau, tùy vào mức {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%99%20t%C6%B0%C6%A1ng%20%C4%91%E1%BB%93ng%22%7D}} và ngữ nghĩa giữa các thực thể. Các loại ánh xạ phổ biến:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Tương đương (equivalence):\u003C\u002Fstrong> hai thực thể mô tả cùng một khái niệm — ví dụ: \u003Ccode>Person\u003C\u002Fcode> ≡ \u003Ccode>HumanBeing\u003C\u002Fcode>\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Quan hệ phân cấp (subsumption):\u003C\u002Fstrong> một thực thể là lớp con của thực thể kia — \u003Ccode>Professor\u003C\u002Fcode> ⊆ \u003Ccode>Person\u003C\u002Fcode>\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tương đồng một phần (partial match):\u003C\u002Fstrong> hai thực thể có ngữ nghĩa giao nhau nhưng không hoàn toàn trùng lặp\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nVề mặt hình thức, các ánh xạ có thể được biểu diễn trong các tập hợp ba phần tử dưới dạng:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">(e_1,\\ e_2,\\ r)\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong đó \u003Cscript type=\"math\u002Ftex\"> e_1 \\in O_1 \u003C\u002Fscript>, \u003Cscript type=\"math\u002Ftex\"> e_2 \\in O_2 \u003C\u002Fscript>, và \u003Cscript type=\"math\u002Ftex\"> r \u003C\u002Fscript> là loại ánh xạ (tương đương, phân cấp, tương đồng...). Mỗi ánh xạ được xử lý như một tiên đề (axiom) trong hệ thống logic mô tả DL (Description Logic) và có thể sử dụng trong các công cụ suy luận như Pellet hoặc HermiT.\n\u003C\u002Fp>\n\u003Ch2>Kỹ thuật chiếu ontology\u003C\u002Fh2>\n\u003Cp>\nCó nhiều phương pháp để thực hiện chiếu ontology, từ các thuật toán dựa trên đối sánh từ vựng (lexical matching) đến các kỹ thuật ngữ nghĩa và học máy tiên tiến. Việc lựa chọn kỹ thuật phụ thuộc vào đặc điểm của ontology, yêu cầu độ chính xác và khối lượng dữ liệu.\n\u003C\u002Fp>\n\u003Cp>\nCác nhóm kỹ thuật chính bao gồm:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Chiếu dựa trên từ vựng:\u003C\u002Fstrong> So sánh nhãn (label), mô tả (comment), hoặc URI của thực thể bằng các thuật toán đo độ tương đồng như Levenshtein, Jaccard, Cosine, hoặc TF-IDF. Thường hiệu quả khi các ontology sử dụng ngôn ngữ giống nhau hoặc quy ước đặt tên tương tự.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Chiếu dựa trên cấu trúc:\u003C\u002Fstrong> Phân tích vị trí của thực thể trong đồ thị ontology, bao gồm các quan hệ kế thừa (subclass), thành phần (part-of), hoặc liên kết ngữ nghĩa khác để đánh giá mức độ tương đồng.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Chiếu logic:\u003C\u002Fstrong> Sử dụng các tiên đề OWL hoặc mô hình logic mô tả (Description Logic) để suy ra mối quan hệ giữa các thực thể. Đây là kỹ thuật chính xác nhưng yêu cầu khả năng biểu diễn hình thức mạnh.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Chiếu học máy:\u003C\u002Fstrong> Huấn luyện mô hình từ dữ liệu ánh xạ có nhãn (supervised learning), hoặc sử dụng embedding để biểu diễn khái niệm rồi đo khoảng cách trong không gian vector.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nMột số công cụ tiêu biểu được sử dụng trong chiếu ontology:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"8\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Tên công cụ\u003C\u002Fth>\n      \u003Cth>Phương pháp chính\u003C\u002Fth>\n      \u003Cth>Nền tảng\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>\u003Ca href=\"https:\u002F\u002Fmappalign.org\u002F\" target=\"_blank\">MappAlign\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd>Chiếu dựa trên từ vựng và DL\u003C\u002Ftd>\n      \u003Ctd>Web\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAgreementMakerLight\" target=\"_blank\">AML\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd>Kết hợp từ vựng và cấu trúc\u003C\u002Ftd>\n      \u003Ctd>Java\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Ca href=\"https:\u002F\u002Fwww.ontobuilder.com\u002F\" target=\"_blank\">OntoBuilder\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd>Đối sánh semi-automatic\u003C\u002Ftd>\n      \u003Ctd>Desktop\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>LogMap\u003C\u002Ftd>\n      \u003Ctd>Logic reasoning + repair\u003C\u002Ftd>\n      \u003Ctd>OWL API\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Mô hình toán học của chiếu ontology\u003C\u002Fh2>\n\u003Cp>\nChiếu ontology có thể được mô hình hóa hình thức bằng ánh xạ giữa các tập thực thể. Cho hai ontology \u003Cscript type=\"math\u002Ftex\"> O_1 \u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\"> O_2 \u003C\u002Fscript>, ánh xạ chiếu là một tập các bộ ba:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\nM = \\{ (e_1, e_2, r) \\mid e_1 \\in O_1,\\, e_2 \\in O_2,\\, r \\in R \\}\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong đó \u003Cscript type=\"math\u002Ftex\"> e_1 \u003C\u002Fscript>, \u003Cscript type=\"math\u002Ftex\"> e_2 \u003C\u002Fscript> là các thực thể (entity) trong hai ontology, và \u003Cscript type=\"math\u002Ftex\"> r \u003C\u002Fscript> là loại ánh xạ (equivalent, subClassOf, relatedTo,...). Tập ánh xạ \u003Cscript type=\"math\u002Ftex\"> M \u003C\u002Fscript> có thể được lưu trữ dưới dạng các RDF triple, hoặc biểu diễn trong OWL dưới dạng axioms. Ví dụ:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\nPerson_{O_1} \\equiv HumanBeing_{O_2}\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong các hệ thống lớn, các ánh xạ được biểu diễn dưới dạng ma trận tương đồng hoặc đồ thị liên kết, từ đó áp dụng các thuật toán tìm ánh xạ tối ưu hoặc kiểm tra {{topic|%7B%22topic%22%3A%22t%C3%ADnh%20nh%E1%BA%A5t%20qu%C3%A1n%22%7D}} (mapping consistency).\n\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng thực tiễn\u003C\u002Fh2>\n\u003Cp>\nChiếu ontology có vai trò thiết yếu trong nhiều lĩnh vực yêu cầu tích hợp tri thức và liên kết dữ liệu không đồng nhất. Một số ứng dụng tiêu biểu:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Y học:\u003C\u002Fstrong> Kết nối hệ mã ICD, SNOMED CT, LOINC qua các ontology y tế trung gian như UMLS (\u003Ca href=\"https:\u002F\u002Fwww.nlm.nih.gov\u002Fresearch\u002Fumls\u002F\" target=\"_blank\">UMLS Metathesaurus\u003C\u002Fa>).\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Sinh học:\u003C\u002Fstrong> Tích hợp dữ liệu gen, {{topic|%7B%22topic%22%3A%22bi%E1%BB%83u%20hi%E1%BB%87n%20protein%22%7D}} và {{topic|%7B%22topic%22%3A%22ch%E1%BB%A9c%20n%C4%83ng%20sinh%20h%E1%BB%8Dc%22%7D}} giữa Gene Ontology, UniProt, BioPortal.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Thư viện số:\u003C\u002Fstrong> Liên kết {{topic|%7B%22topic%22%3A%22h%E1%BB%87%20th%E1%BB%91ng%20ph%C3%A2n%20lo%E1%BA%A1i%22%7D}} DDC, LCSH và các từ điển chủ đề.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Hành chính công:\u003C\u002Fstrong> Hợp nhất {{topic|%7B%22topic%22%3A%22d%E1%BB%AF%20li%E1%BB%87u%20th%E1%BB%91ng%20k%C3%AA%22%7D}}, dân cư, y tế giữa các cơ quan chính phủ sử dụng ontology chuyên biệt.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nNgoài ra, chiếu ontology còn là nền tảng trong phát triển hệ tri thức mở (open knowledge graph), hệ thống khuyến nghị, trợ lý ảo và truy vấn liên miền trong các hệ thống big data.\n\u003C\u002Fp>\n\n\u003Ch2>Thách thức trong chiếu ontology\u003C\u002Fh2>\n\u003Cp>\nChiếu ontology vẫn còn nhiều thách thức kỹ thuật và lý thuyết chưa được giải quyết hoàn toàn. Các vấn đề chính bao gồm:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Không đồng nhất ngôn ngữ:\u003C\u002Fstrong> Ontology được mô tả bằng các ngôn ngữ, ký hiệu, và chuẩn khác nhau khiến việc so sánh khó khăn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Độ mơ hồ ngữ nghĩa:\u003C\u002Fstrong> Cùng một từ có thể có ý nghĩa khác nhau ở các miền ứng dụng khác nhau, gây ra ánh xạ sai.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Quy mô lớn:\u003C\u002Fstrong> Khi số lượng thực thể lên đến hàng triệu, việc chiếu toàn bộ trở nên tốn kém về thời gian và bộ nhớ.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tính nhất quán:\u003C\u002Fstrong> Nhiều ánh xạ khi kết hợp có thể tạo ra mâu thuẫn logic, cần các cơ chế kiểm tra consistency và repair.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nViệc {{topic|%7B%22topic%22%3A%22%C4%91%C3%A1nh%20gi%C3%A1%20ch%E1%BA%A5t%20l%C6%B0%E1%BB%A3ng%22%7D}} ánh xạ cũng là một vấn đề mở. Bộ đo thường dùng gồm độ chính xác (precision), độ phủ (recall) và F1-score, nhưng đôi khi thiếu bộ ánh xạ chuẩn (gold standard) để tham chiếu.\n\u003C\u002Fp>\n\n\u003Ch2>Hướng phát triển tương lai\u003C\u002Fh2>\n\u003Cp>\nNghiên cứu hiện nay hướng đến việc cải thiện tự động hóa và mở rộng khả năng chiếu trong môi trường tri thức phức tạp. Một số hướng đi nổi bật:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Embedding ngữ nghĩa:\u003C\u002Fstrong> Biểu diễn ontology bằng vector trong không gian tiềm ẩn để so khớp hiệu quả hơn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Chiếu đa ngôn ngữ:\u003C\u002Fstrong> Tăng cường NLP để chiếu ontology mô tả bằng các ngôn ngữ khác nhau như Anh – Pháp – Trung.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Học sâu và GNN:\u003C\u002Fstrong> Áp dụng Graph Neural Networks để khai thác cấu trúc ontology như một đồ thị ngữ nghĩa học được.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Chiếu thời gian thực:\u003C\u002Fstrong> Phục vụ các hệ thống AI phản ứng nhanh như chatbot, trợ lý ảo, dịch vụ dữ liệu.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nMột số nguồn dữ liệu lớn đang được dùng để thử nghiệm và đánh giá thuật toán chiếu như \u003Ca href=\"https:\u002F\u002Fopengkg.org\u002F\" target=\"_blank\">OpenKG\u003C\u002Fa>, \u003Ca href=\"https:\u002F\u002Fwww.ebi.ac.uk\u002Fols\u002Findex\" target=\"_blank\">Ontology Lookup Service (OLS)\u003C\u002Fa>, và BioPortal.\n\u003C\u002Fp>","Chiếu ontology","Ontology Mapping",[],"Chiếu ontology là quá trình xác lập các quan hệ tương ứng hoặc ánh xạ ngữ nghĩa giữa các thực thể thuộc hai hay nhiều ontology khác nhau nhằm phục vụ tích hợp tri thức và tương tác liên hệ thống.","NATURAL_SCIENCES",[23,31,39],{"citationText":24,"title":25,"authors":26,"source":27,"year":28,"doi":29,"url":30},"Malik, Inau (2023). Intelligent ontology alignment to improve semantic data integration across research domains in biomedicine. Research Square Platform LLC.","Intelligent ontology alignment to improve semantic data integration across research domains in biomedicine","Malik, Inau","Research Square Platform LLC",2023,"10.21203\u002Frs.3.rs-3221032\u002Fv1","https:\u002F\u002Fdoi.org\u002F10.21203\u002Frs.3.rs-3221032\u002Fv1",{"citationText":32,"title":33,"authors":34,"source":35,"year":36,"doi":37,"url":38},"Nefzi, Farah, Riadh Farah et al. (2014). A Semi-automatic Mapping Selection in the Ontology Alignment Process. Proceedings of the International Conference on Knowledge Engineering and Ontology Development.","A Semi-automatic Mapping Selection in the Ontology Alignment Process","Nefzi, Farah, Riadh Farah, Solaiman","Proceedings of the International Conference on Knowledge Engineering and Ontology Development",2014,"10.5220\u002F0005162204590466","https:\u002F\u002Fdoi.org\u002F10.5220\u002F0005162204590466",{"citationText":40,"title":41,"authors":42,"source":43,"year":44,"doi":45,"url":46},"Jordan, Lanza, Schönhals et al. (2025). The Semantic SI Ontology: Engineering, Alignment, and Validation of a Semantic SI Model. Proceedings of the 17th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management.","The Semantic SI Ontology: Engineering, Alignment, and Validation of a Semantic SI Model","Jordan, Lanza, Schönhals, Auer","Proceedings of the 17th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management",2025,"10.5220\u002F0013707600004000","https:\u002F\u002Fdoi.org\u002F10.5220\u002F0013707600004000",[48,51,54],{"question":49,"answer":50},"Sự khác biệt bản chất giữa chiếu ontology (mapping) và hợp nhất ontology (merging) là gì?","Chiếu ontology xác lập các liên kết hoặc quan hệ ánh xạ ngữ nghĩa giữa các thực thể mà không can thiệp vào cấu trúc nội tại của các ontology gốc, trong khi hợp nhất ontology tạo ra một hệ thống ontology hoàn chỉnh duy nhất tích hợp từ các thành phần ban đầu.",{"question":52,"answer":53},"Các kỹ thuật đối sánh chính trong chiếu ontology gồm những gì?","Quy trình chiếu ontology thường kết hợp đối sánh từ vựng (dựa trên nhãn ngữ nghĩa, chuỗi ký tự và từ điển tương đồng), đối sánh cấu trúc (dựa trên phân cấp lớp và vị trí nút trong đồ thị) và đối sánh suy diễn logic ngữ nghĩa.",{"question":55,"answer":56},"Chuẩn biểu diễn nào phổ biến nhất cho các ánh xạ trong Web ngữ nghĩa?","Các ánh xạ ontology thường được biểu diễn thông qua các tiên đề OWL như owl:sameAs, owl:equivalentClass, rdfs:subClassOf hoặc các định dạng liên kết chuẩn RDF và Alignment API.",{"id":58,"researcherId":10,"name":59,"imageUrl":60},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":62,"researcherId":10,"name":63,"imageUrl":64},2681,"Cuong Ta","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocKFuWh0ZD601Hp0_V_2xAK3kIOs20Kyv3V5ZLBo6fwfjyymJYzE=s96-c",[66,67,68,69,70,71,72,73,74,75],"khả năng tương tác","thương mại điện tử","hệ thống y tế","độ tương đồng","tính nhất quán","biểu hiện protein","chức năng sinh học","hệ thống phân loại","dữ liệu thống kê","đánh giá chất lượng",10,true,"PUBLISHED","2025-09-19T02:00:42.691+00:00","2026-09-14T03:10:30.555+00:00","2025-09-23T04:33:32.895+00:00","2026-09-14T03:10:30.276+00:00",152,[85,88,91,94,97,100,103,106,109,112],{"id":86,"title":87,"term":86,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thang điểm morisky 8","Thang điểm morisky 8 là gì? Các công bố khoa học về Thang điểm morisky 8",{"id":89,"title":90,"term":89,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"bibliometrics","Bibliometrics là gì? Các nghiên cứu khoa học về Bibliometrics",{"id":92,"title":93,"term":92,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chất lượng thông tin","Chất lượng thông tin là gì? Nghiên cứu khoa học liên quan",{"id":95,"title":96,"term":95,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình bệnh tật","Mô hình bệnh tật là gì? Các nghiên cứu về Mô hình bệnh tật",{"id":98,"title":99,"term":98,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu tổng quan","Nghiên cứu tổng quan là gì? Các bài báo nghiên cứu khoa học",{"id":101,"title":102,"term":101,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"density","Density là gì? Các công bố khoa học về Density",{"id":104,"title":105,"term":104,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"peptidoglycan","Peptidoglycan là gì? Các bài nghiên cứu khoa học liên quan",{"id":107,"title":108,"term":107,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thu thập thông tin","Thu thập thông tin là gì? Các nghiên cứu khoa học liên quan",{"id":110,"title":111,"term":110,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"saccharomyces cerevisiae","Saccharomyces cerevisiae là gì? Các công bố khoa học về Saccharomyces cerevisiae",{"id":113,"title":114,"term":113,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"tnf α","Tnf-α là gì? Các bài báo nghiên cứu khoa học về Tnf-α"]