Ontology integration is a process of matching and merging two ontologies for reasons such as for generating a new ontology, thus creating digital services and products. Current techniques for ontology integration, used for information and knowledge integration, are not powerful enough to handle the semantic and pragmatic heterogeneities. Because of the heterogeneities, the ontology matching and integration have shown to be a complex problem, especially when the intention is to make the process automatic. This thesis addresses the problem of integrating heterogeneous ontologies, first, by exploring the context of ontology integration, secondly, by building a context knowledge base, and thirdly, by applying the context knowledge base. More specifically, the thesis contributes a context knowledge base method for ontology integration, CKB-OI method, which contains: 1) A method of building a context knowledge base by extracting context and contextual information from ontologies in an ontology repository to improve ontology integration. 2) A method of refining the result of ontology integration with the help of the context knowledge base and expanding the context rules in the context knowledge base. In the first method, the context of the ontology integration is identified by examining the content and metadata of the integrated ontologies. The context of an ontology integration contains the information describing the integration, such as the domain of ontology, the purpose of ontology, and the ontology elements involved. Context criteria, such as the metadata of ontologies and the element of ontologies in the repository, are used to model the context. The contextual information is extracted and integrated from ontologies in an ontology repository, using an ontology integration process with non-violation check. With the context and the contextual information, a context knowledge base is built. Since this is built by reusing ontologies to provide extra information for new ontology integration in the same context, it is quite possible that the context knowledge base will improve the earlier ontology integration result. A method for identifying the domain of an ontology is also proposed to help in building and using the context knowledge base. Since the method considers the semantic and pragmatic heterogeneities of ontologies, and uses a light-weight ontology representing a domain, this work increases the semantic value of the context knowledge base. In the second method, the context knowledge base is applied to the result of an ontology integration process with a non-violation check, which in turn results in an ontology intersection. The contextual information is searched for and extracted from the context knowledge base and then applied on the ontology intersection to improve the integration result. The ontology non-violation check integration process is adjusted and adopted in the method. Moreover, the context knowledge base is expanded with perspective rules, with which the different views of ontologies in a context are preserved, and reused in future ontology integration. The results of the CKB-OI methods are: 1) a context knowledge base with rules that consider semantic and pragmatic knowledge for ontology integration; 2) contextual ontology intersection (COI) with the refining result compared to the ontology intersection (OI), and 3) an extended context knowledge base with the different views of both ontologies. For evaluation, ontologies from the Ontology Alignment Evaluation Initiative (OAEI) and from ontology search engines Swoogle and Watson have been used for testing the proposed methods. The results show that the context knowledge base can be used for improving heterogeneous ontologies integration, hence, the context knowledge base provides semantic and pragmatic knowledge to integrate ontologies. Also, the results demonstrate that ontology integration, refined with the context knowledge base, contains more knowledge without contradicting the ontologies involved in our examples. / Ontologi-integration är en process för att matcha och sammanfoga två ontologier för att t.ex. generera en ny ontologi, och därmed skapa digitala tjänster och produkter. Aktuella tekniker för ontologi- integration, som används för information och kunskapsintegration, är inte tillräckligt kraftfulla för att hantera semantiska och pragmatiska heterogeniteter. På grund av heterogeniteter, har ontologi- matchning och -integration visat sig utgöra ett komplext problem, särskilt när avsikten är att göra processen automatisk. Denna avhandling behandlar problemet med att integrera heterogena ontologier; för det första genom att undersöka kontexten för ontologi-integrationen, för det andra genom att bygga en kunskapsbas för kontexten, och för det tredje genom att tillämpa denna kunskapsbas. Mer specifikt bidrar avhandlingen med CKB-OI-metoden för ontologi-integration, vilken innehåller: 1)      En metod för att bygga en kontextkunskapsbas, genom att extrahera sammanhang och kontextuell information från ontologier i ett ontologi-förvar för att förbättra ontologi-integrationen. 2)      En metod för att förfina resultatet av ontologi-integration med hjälp av kontextkunskapsbasen och för att utöka kontextreglerna i kunskapsbasen. I metod nr. 1 identifieras kontexten genom att undersöka innehållet och metadata för de ontologier, som ska integrereras. Kontexten innehåller information som beskriver integrationen, till exempel domän och syfte för varje ontologi, samt element som ingår i respektive ontologi. Kontexten  modelleras med kriterier, såsom metadata och element för ontologierna i förvaret. Den kontextuella informationen extraheras och integreras med användning av en integrationsprocess med icke-överträdelsekontroll. Kontextkunskapsbasen byggs utav kontext samt kontextuell information. Eftersom kunskapsbasen är byggd av återanvända ontologier för att ge ytterligare information till ontologi-integrationen inom samma kontext, så är det mycket möjligt att kontextkunskapsbasen kommer att förbättra det tidigare integrationsresultatet. En metod för att identifiera domänen för en ontologi föreslås också, för att hjälpa till att bygga och använda kontextkunskapsbasen. Eftersom metoden tar hänsyn till de semantiska och pragmatiska heterogeniteterna hos ontologier, och använder en enkel ontologi för att representera en domän, så ökar detta arbete det semantiska värdet av kontextkunskapsbasen. I metod nr. 2 tillämpas kontextkunskapsbasen på resultatet av en ontologi-integrationsprocess med icke-överträdelsekontroll, vilket i sin tur resulterar i ett ontologisnitt. Den kontextuella informationen extraheras från kontextkunskapsbasen och appliceras sedan på ontologisnittet för att förbättra integrationsresultatet. Icke-överträdelsekontrollen i integrationsprocessen justeras och används på nytt. Dessutom utökas kontextkunskapsbasen med perspektivregler, med vilka de olika vyerna av ontologier i en gemensam kontext bevaras och återanvänds i framtida ontologi-integrationer. Resultaten av CKB-OI metoden är: 1) en kontextkunskapsbas med regler som avser semantiska och pragmatiska kunskaper om en ontologi-integration; 2) ett kontextuellt ontologisnitt (COI) med ett förfinat resultat jämfört med ontologisnittet (OI) och 3) en utökad kontextkunskapsbas med olika vyer av båda ontologier. För utvärderingen har ontologier från Ontology Alignment Evaluation Initiative (OAEI) samt ontologisökmotorerna Swoogle och Watson använts för att testa de föreslagna metoderna. Resultaten visar att kontextkunskapsbasen kan användas för förbättring av heterogena ontologi-integrationer. Följaktligen tillhandahåller kontextkunskapsbasen semantiska och pragmatiska kunskaper för att integrera ontologier. Dessutom visar resultaten att ontologi-integrationer, utökade med kontextkunskapsbaser, innehåller mer kunskap, utan att motsäga de ontologier som ingår i våra exempel. / <p>QC 20141017</p>

As Rural Development assumes a greater importance in European policy, one strategy to stimulate economic activity across a broad range of sectors is to use small towns as a focal point for economic development. This may be particularly relevant in the UK where there is increasing concern over the future vitality and viability of these towns. However, such a strategy rests on the assumption that there is a strong level of interdependence between small towns and their surrounding areas. While their historical legacy suggests close integration, developments in the wider economy and resultant socio-economic restructuring have undermined the traditional functions of small towns and may have severed many of these local linkages. Methodologies are developed to measure the size and spatial distribution of economic linkages in and around two small towns in rural England; one located in the 'remote' area of South Devon, and one in more 'accessible' Buckinghamshire. Results from two validation exercises indicate that self-completion methods are a useful means of obtaining spatial economic data from producers and consumers. Analysis compares the degree of economic integration of the towns into their respective local economies, and identifies key characteristics of firms and households that are good predictors of strong local integration. Results show that the strength of local economic integration is a function of economic and demographic structure as well as proximity to urban centres. This illustrates that the functional role of small towns in the economy is a more useful criterion on which to base policy recommendations than is demographic size. The town in the 'remote' rural area is found to be more strongly integrated into its locality than the town in the 'accessible' area; indicating that benefits of intervention are more likely to 'trickle out' into the surrounding area in the former case. Further, the minimal role of agriculture in the local economy implies that traditional measures of farm support are no longer likely to provide a valuable method of supporting rural communities. A useful area for subsequent enquiry would be to employ an 'integration index' to develop settlement typologies so that more generalisations can be made to aid the process of policy formulation.

Zugl.: Münster (Westfalen), Universiẗat, Diss., 2008.

Thesis (LL. M.)--University of Toronto, 2004. / Adviser: Michael Trebilcock.

Diss. Umeå : Umeå universitet, 2005.

Zugl.: Bamberg, Universiẗat, Diss., 2008.

Univ., Diss.--München, 2003. / Literaturverz. S. [229] - 249.

Diss. Universiẗat München, 2007/2008. / Zugl.: Diss. Univ. München, 2007/2008.

Tesis--Universidad de Santiago de Compostela, 2004. / Bibliografía: p. [582]-595. Índices.

Thesis (doctoral)--Universität Zürich, 2005. / Includes bibliographical references (p. [379]-389).