DSSim

Según la definición original de la tarea ^{[ 8 ]} proporcionada por los organizadores de la OAEI 2008, la sección de bibliotecas implicaba la alineación de dos tesauros neerlandeses. Estos tesauros se utilizan para indexar libros de dos colecciones de la Biblioteca Nacional de los Países Bajos (KB). La KB mantiene dos grandes colecciones: la Colección de Depósito, que contiene todas las publicaciones impresas neerlandesas (un millón de ejemplares), y la Colección Científica, con aproximadamente 1,4 millones de libros, principalmente sobre la historia, la lengua y la cultura de los Países Bajos. Cada colección se describe según su propio sistema de indización y vocabulario conceptual. Por un lado, la Colección Científica se describió utilizando el GTT, un enorme vocabulario que contiene 35 000 conceptos generales, desde Wolkenkrabbers (rascacielos) hasta Verzorging (cuidado). Por otro lado, los libros de la Colección de Depósito se indexan principalmente con el tesauro Brinkman, que contiene un amplio conjunto de encabezamientos (más de 5000) que se esperaba que sirvieran como temas globales de los libros. Para cada concepto, los tesauros proporcionaron la información léxica y semántica habitual: etiquetas preferidas, sinónimos y notas, conceptos más amplios y relacionados, etc. El idioma de ambos tesauros era el neerlandés, pero una parte considerable de los conceptos de Brinkman (alrededor del 60 %) incluye etiquetas en inglés. La tarea de la biblioteca resultó compleja, en parte debido a su tamaño relativamente grande y a su representación multilingüe. No obstante, en esta tarea, DSSim obtuvo el mejor rendimiento de los tres sistemas participantes. Sin embargo, estas ontologías contienen términos relacionados y más amplios, por lo que el mapeo puede realizarse sin necesidad de consultar conocimientos previos multilingües.

Como se indica en la definición de tarea original ^{[ 9 ]} proporcionada por los organizadores de la OAEI 2008, esta pista está diseñada para evaluar la calidad del mapeo en un escenario de integración de taxonomías del mundo real. El objetivo principal es medir si las herramientas de alineación de ontologías pueden aplicarse eficazmente a la integración de "ontologías superficiales". El conjunto de datos de evaluación se extrajo de los directorios web de Google , Yahoo! y Looksmart . La forma en que se crearon estos pares de ontologías fue basándose en una interpretación de referencia para los nodos, construida a partir de la observación de su uso. Se asumió que la semántica de los nodos podría haberse derivado de su pragmática , es decir, del análisis de qué documentos se clasificaban bajo qué nodos. La idea básica era, por lo tanto, calcular las hipótesis de relación basadas en la coocurrencia de documentos. Las características específicas del conjunto de datos fueron:

• Más de 4500 tareas de coincidencia de nodos, donde cada tarea se compone de las rutas a la raíz de los nodos en los directorios web.
• Mapeos expertos para todas las tareas de correspondencia.
• Relaciones simples. Básicamente, los directorios web contienen solo un tipo de relación, la llamada "relación de clasificación".
• Terminología y principios de modelado imprecisos: Las tareas de correspondencia incorporan los errores típicos de modelado y terminología del "mundo real".

En la categoría de directorio, solo 6 sistemas participaron en 2008. En términos de valor F, DSSim obtuvo el mejor rendimiento, aunque la diferencia fue mínima en comparación con los sistemas CIDER o Lily.