AgentMap：面向本体匹配的等价与包含关系联合发现

本体匹配（OM）传统上被表述为等价关系发现或包含关系匹配二者之一。现有OM系统只能识别一种类型的语义对应，无法同时发现等价与包含映射。本文提出混合本体匹配（Hybrid Ontology Matching，HOM），一个统一等价与包含发现的新OM任务，并相应提出基于大语言模型（LLM）的多智能体OM框架AgentMap，其由一系列相互依赖的语义决策实现。给定源本体中的一个概念，AgentMap整合语义检索、层次搜索与协作式多智能体LLM推理，逐步探索目标本体，识别等价概念（若存在）或最细粒度的包含者。我们进一步扩展四个OM数据集构成HOM基准，并在混合、仅等价和仅包含三种设置下评估AgentMap。实验结果表明，AgentMap在混合设置上取得了可观的性能，同时在仅等价和仅包含设置上分别优于等价匹配与包含匹配基线。