در سال های اخیر، تکنولوژی وب معنایی با هدف خودکار سازی تعامل میان ماشین ها، بدون دخالت انسان مطرح شد. در این راستا آنتولوژی ها به عنوان ساختارهایی قابل فهم برای ماشین پایه ی اصلی وب معنای محسوب می شوند؛ که وعده ی تسهیل در برقراری ارتباط و تعامل میان سیستم های ناهمگون را می دهند. اما با تحقق چشم انداز وب معنایی و به دنبال آن استفاده از آنتولوژی ها در سطح گسترده توسط افراد و سازمان های گوناگون، با چالش بزرگ تعامل میان آنتولوژی ها روبه‏رو هستیم. به عبارت دیگر، آنتولوژی ها ناهمگونی میان اطلاعات را به سطوح بالاتر ارتقا داده اند. تطبیق صحیح آنتولوژی ها، با یافتن روابط بین موجودیت هایشان، به حل مشکل ناهمگونی میان آن ها می پردازد. این رساله دو روش برای بهبود عملکرد سیستم های تطبیق موجود در شرایط گوناگون ارائه کرد. در رویکرد اول از ترکیب سیستم ها به وسیله ی الگوریتم آدابوست، برای بهبود نتایج استفاده شد. در این روش ضمن مقایسه ی ترکیب کلیه سیستم های موجود در رقابت سالانه‏ی تطبیق آنتولوژی ها و ترکیب پنج سیستم از آن رقابت، ملاحظه شد که استفاده از کلیه سیستم ها تنها باعث افزایش پیچدگی سیستم می شود. بنابراین در نهایت با ترکیب تنها پنج سیستم برتر، کارایی و دقت نسبت به کلیه سیستم های شرکت کننده در بدترین شرایط تا صد درصد افزایش یافت. رویکرد دوم با توجه به پوشش گسترده ی اطلاعاتی توسط پایگاه ویکی پدیا شکل گرفته است. این روش دو معیار مشابهت معنایی در ویکی پدیا را محاسبه و آن ها را در کنار هر یک از تطبیق-گرها به‎صورت مجزا به وسیله ی شبکه عصبی اضافه می‏کند.درنهایت نتایج حاصل از تطبیق برای آنتولوژی های واقعی در تطبیق‏گرهای مذکور بهبود را نشان می‏دهد.