近日，福建省大数据挖掘与应用技术重点实验室的薛醒思老师在物联网领域顶级学术期刊《IEEE Internet of Things Journal》（中科院一区TOP期刊，IF：8.2）以第一作者身份发表题为“Similarity Feature Construction for Semantic Sensor Ontology Integration via Light Genetic Programming”（DOI: 10.1109/JIOT.2024.3370610）的研究成果。
传感器本体作为智能传感系统的核心技术，提供了一个结构化框架用于组织和解释物联网（IoT）的知识。然而，本体异构性问题严重制约了传感器本体之间的互联互通。传感器本体匹配（Sensor Ontology Matching, SOM）通过识别两个本体中语义相同的实体，成为解决本体异构性问题的重要方法。然而，由于异构传感器实体之间语义关系的复杂性，如何构建有效的相似性特征（Similarity Feature, SF）以准确区分这些实体，仍然是一项关键挑战。尽管基于进化算法（Evolutionary Algorithms, EAs）的匹配技术已被证明在本体匹配领域具有一定优势，但其在实际应用中仍面临计算复杂度高、解决方案评估依赖领域专家等问题。
为此，本文提出了一种创新的轻量级遗传编程方法（Light Genetic Programming, L-GP），用于自动构建适用于SOM的相似性特征。本文的主要创新包括以下三点：首先，设计了一种简化的进化机制，以提高SOM过程的计算效率；其次，提出了基于近似评估指标的新型适应度函数，可自动引导L-GP的搜索方向，降低了对领域专家的依赖；最后，开发了一种两阶段竞赛选择算子，在保证解的质量与复杂性之间实现平衡，从而显著提升SOM结果的准确性。实验部分基于十组真实SOM任务对所提L-GP方法的性能进行了全面验证，结果表明，与当前主流匹配技术相比，L-GP在匹配准确性和效率方面均表现出显著优势。这项研究不仅为解决传感器本体异构性问题提供了理论依据与技术支持，也对智能物联网服务感知的实现具有重要的科学指导意义。