一种改进的本体语义相似度计算及其应用

合集下载

一种改进的语义相似度计算模型

构的计算概念间语义相似度的算法。冉婕、孙瑜在对语素相似度、序相似度和词长相似度进行分字析的基础上，出了一种基于语素、提字序和词长的综合词语相似度计算方法。归纳起来，计算语义的相似度，主要有以下两类
Ｖｏ．３Ｎｏ３１３．
一
种改进的语义相似度计算模型
赖文炜
（江西教育学院，西南昌３０３）江３０２
摘
要：在对传统的术语相似度计算方法和模型的研究基础上，提取出最能够影响语义本体相似度因素。然后，
在综合传统相似度计算方法的优缺点的基础上，出了一种被证明是能有效改进相似度计算效果的模型。提关键词：信息检索；相似度；体推理本
ＬＡＩＷｅｗｅｎ— ｉ
（ｉｇｉｎｔｕｅｆｄｃｔｎＮｎｈｎ３０２ＣｉａＪｎｘＩｓｔｔｏｕａｉ，ａｃａｇ０３，ｈ）ａｉＥｏ３ｎ
Ａｂｓｒｃｔａｔ：Ｔｈｐｒｅｔａｔｈｉａｔｒｆｅｔｎｉｌｒｔｆｏｔｌｇｈｏｇｔｙｎｉｅｆｒｌｖｎｃｅｐａｅｘｒｃｓｔｅｍａｎｆｃｏｓａｆｃｉｇｓｍｉａｙｏｎｏｏｙｔｒｕｈｓｕｄｉｇｐｌｓｏｅｅａｔｄｏｕｍｅｔｉｎｓ
称、属性、结构等方面来综合考虑概念的相似度。陈
杰和蒋祖华＿提出先将概念相似度计算分为两层：２
“ 初始相似度 ” “ 过非上下位关系体现出的相似和通

一种跨本体的语义相似度计算方法_黄宏斌

计算机科学2008V ol.35№.7　一种跨本体的语义相似度计算方法黄宏斌　董发花　邓　苏　张维明(国防科技大学信息系统与管理学院　长沙410073)摘　要　针对在广域分布环境下进行信息共享与服务的需要,本文设计了基于本体的元数据模型,并在M D3模型的基础上给出了一种基于该元数据模型的跨本体的语义相似度计算方法。

M D3模型是一种系统的跨本体概念间相似度的计算方法,这种方法无需建立一个集成的共享本体。

在M D3模型的基础上,充分利用本体对概念的描述信息,重点讨论了跨本体概念间非层次关系相似度的计算,把M D3模型扩展到M D4模型,使得概念间相似度的计算理论上更全面、更精确。

关键词　元数据模型,本体,语义相似度,M D4模型Approach of Determining Semantic Similarity among Concepts between Different OntologiesH U AN G Ho ng-bin　DO N G F a-hua　DEN G Su　Z H AN G Wei-ming(C ollege of Information S ystem and M an agemen t,National University of Defens e and T echnology,Changsha410073,C hina)A bstract　T o meet the demand o f sharing infoma tion and se rvice in the distribute netwo rk,the paper desig ns the meta-data mo del based on o nto lo gy.The M D3model sy stematicly ev aluates semantic similarity acro ss diffe rent o nto lo gies dis-pense w ith integ rating diffe rent ontolog ies into a shar ed ontology.Ba sed o n the M D3model,the no t-hierar chical rala-tions eva luating of concepts from different ontologies is focused o n,ex tended the M D3mo del to M D4model to make the semantic similarity o f concepts fro m different ontologies more co mpr ehensive and precise in theo ry.Keywords　M etadata model,Ontolog y,Semantic similarity,M D4model1　引言随着网络的发展,在一些大型企事业团体和虚拟组织环境中,存在着大量的业务信息系统。

一种改进的本体语义相似度计算及其应用

一种改进的本体语义相似度计算及其应用随着信息技术的发展和应用场景的增加，语义相似度计算变得越来越重要。

语义相似度计算可以用于自然语言处理、信息检索、机器翻译和智能问答等领域。

本文介绍一种改进的本体语义相似度计算方法，并阐述其在应用中的重要性和优势。

本体语义相似度计算方法是基于本体领域知识的语义相似度计算方法。

本体是一种用于描述和组织领域知识的形式化表示。

本体中定义了概念、属性、关系等元素，可以用于知识管理、语义分析和本体推理等应用。

本体语义相似度计算方法利用本体中定义的概念和关系来计算两个概念之间的相似度。

传统的本体语义相似度计算方法主要是基于本体结构以及语义相似度算法（如路径相似度、信息内容量等）来计算相似度。

但是，这些方法忽略了概念在不同语境下的语义变化和词语嵌入（词向量）的信息。

为了解决这些问题，我们提出了一种改进的本体语义相似度计算方法。

该方法的核心思想是综合考虑结构、语境和词向量等多种信息。

具体来说，该方法将词语嵌入与本体结构和语境信息相结合，构建了一个基于词向量的本体语义相似度计算模型。

该模型分为三个部分：（1）本体结构特征提取；（2）语境信息特征提取；（3）词向量相似度计算。

在本体结构特征提取中，我们利用从知网获取的概念之间的ISA关系和Part-Whole关系，构建了一个树形结构表示本体。

通过遍历该树形结构，提取出每个概念的特征向量。

在语境信息特征提取中，我们利用WordNet中的同义词和反义词关系，以及概念在本体中的上下文信息，对每个概念进行特征提取。

在词向量相似度计算中，我们使用了word2vec算法生成的词向量，并使用余弦相似度计算两个概念之间的词向量相似度。

该方法有以下优势：首先，它综合考虑了多种信息，包括本体结构、语境和词向量等，可以更加准确地计算两个概念之间的相似度；其次，该方法能够自动学习概念的语义特征，更加符合人类的语义感知；最后，该方法扩展性好，能够应用于不同领域的本体语义相似度计算。

基于本体的语义相似度算法研究

对相似度的影响。通过实验分析，该方法比传统计算方法更加准确、有效，反映了本体结构方面各因素对语
义相似度的影响。
关键词
中图分类号
语义相似度本体
ＴＰ３９１
本体结构语义距离
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００ — ３８６ｘ．２０１３．１１．０８５
（Ｓｃｈｏｏｌｏ厂Ｅｌｅｃｔｒｏｎｉｃｓａｎｄｌｎｊｏ＇ｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ｌ￣ｍｚｈｏｕＵｎｉｖｅｒｓｉｔｙ０厂ＡｒｔｓＳｃｉｅｎｃｅ，Ｌａｎｚｈｏｕ７３００００，Ｇａｎｓｕ，Ｃｈｉｎａ）
第３０卷第１１期
２０１３年１１月
计算机应用与软件
ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ
Ｖ０ｌ＿３０Ｎｏ．１１
ＮＯＶ．２０１３
基于本体的语义相似度算法研究
。（ＳｃｈｏｏｌＣｏｍｐｕｔｅｒａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎ，ｌ￣ｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏＪｌ￣ｃｈｎｏｌｏｇｙ，Ｌａｎｚｈｏｕ７３００５０，Ｇａｎｓｕ，Ｃｈｉｎａ）

语义相似度计算

语义相似度计算语义相似度计算是自然语言处理领域的一个重要任务，它旨在衡量两个词语、短语或句子之间的语义相似程度。

在实际应用中，语义相似度计算可以帮助机器理解语言，从而实现诸如信息检索、问答系统、机器翻译等任务。

现在我们将介绍几种常用的语义相似度计算方法：1. 基于词向量的方法：词向量是将词语映射到一个高维实数向量空间的表示方法。

在这种方法中，可以使用预训练的词向量模型（如Word2Vec、GloVe、FastText等）将词语表示为向量，然后通过计算两个词向量之间的相似度（如余弦相似度、欧氏距离、曼哈顿距离等）来衡量它们之间的语义相似度。

2. 基于词汇语义资源的方法：除了词向量外，还可以利用词汇语义资源（如WordNet、PPDB等）来计算语义相似度。

这些资源中包含了词语之间的语义关系（如同义词、上下义词、反义词等），可以通过这些关系计算词语的语义相似度。

3. 基于深度学习的方法：深度学习模型（如Siamese神经网络、BERT、ELMO 等）在语义相似度计算任务中也取得了很好的效果。

这些模型可以学习词语、短语或句子的语义表示，然后通过模型的输出来计算它们之间的语义相似度。

4. 基于语义图的方法：语义图是一种将词语表示为节点、语义关系表示为边的图结构。

在语义相似度计算中，可以利用语义图中的节点和边来计算词语之间的语义相似度。

这种方法可以很好地捕捉词语之间的语义关系，从而提高语义相似度计算的准确性。

总的来说，语义相似度计算是一个复杂而重要的任务，在实际应用中需要综合考虑不同的方法和技术。

通过不断的研究和实践，我们可以提高语义相似度计算的准确性和效率，从而更好地帮助机器理解语言，实现更多的自然语言处理任务。

希望以上介绍能够对语义相似度计算有所帮助。

改进的本体语义相似度计算方法

一关系的树状结构，导致不能完整反映概念的语义。关系类型权值计算如下所示[7]：
R（x→r
y）=Maxr-
Maxr-Minr n（r x）
（5）
其中，→r 表示关系类型。Maxr 和 Minr 是某种关系的可能最大、
最小权重，n（r x）表示从 x 出发的 r 关系有向边和。
（4）有向边强度：若一个父节点的某个子节点对该领域比
本体结构中，每个概念是对其祖先节点的细化，每一个子节点都可以认为包含它所有祖先节点的信息内容，因此两个概念的语义相似度可以用它们最近共同祖先节点的信息量来衡
量，即共同祖先的最大信息量[4]。Resnik 根据该理论将两个概念 C1 和 C2 的共同祖先的最大信息量作为两概念的语义相似度。 Jiang 和 Conrath 利用两概念的信息量和它们的最大信息量之差作为语义距离进行语义相似度的计算[5]，该模型将信息量融合在语义距离计算中，具有较高的准确性。但是通过分析发现上述模型中存在如下问题：
（1）相似度计算中使用了两个概念共同祖先中的最大信息量。该方法对于本体树结构较合适，但实际的本体是具有多种关系的图结构，在本体的 DAG 图中一个概念的双亲可能有多个，并且两个概念的共同祖先可能是分离的，因此该方法会忽略这些节点的信息。
（2）进行语义距离计算时只考虑了信息量，而在实际的本体中，由于节点深度、密度的差异以及概念间关系的不同，都会影响语义相似度。因此语义距离计算还要考虑其他因素。
T0:All
T1:Plant structure
T2:plant
T3:tissue
T4:guard
T5:trichoblast
图 1 某本体片段结构图
分离祖先是 DAG 图状结构特有的。一个概念具有两个分

本体映射中相似度计算的改进

必要的。因此，计算时可以对概念对的数量进行限制，以减少计算量。本文针对相似度计算过程中所存在的这些问题，提出了
第４０卷第１２期２０１３年１２月
计
算
机
科
学
Ｖｏ１．４０ＮＯ．１２
Ｄｅｃ２０１３
ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ
本体映射中相似度计算的改进
郑晓洁张琳
（上海海事大学信息工程学院上海２０１３０６）
ｃｏｎｃｅｐｔ，ｓｅｍａｎｔｉｃ，ｐｒｏｐｅｒｔｉｅｓ，ｉｎｓｔａｎｃｅｓａｎｄｓｔｒｕｃｔｕｒｅｏｆｔｈｅｃｏｎｃｅｐｔ．Ｆｏｒｆｉｎｄｉｇｎｍｏｒｅｕｓｅｆｕ１ｓｉｍｉｌａｒｉｔｙｏｍｐｃｕｔａｔｉｏｎ
ｍｅｔｈｏｄ，ｔｈｅｐａｐｅｒｉｎｔｒｏｄｕｃｅｄｒｅｌａｔｉｖｉｔｙａｎｄａｔｔｒｉｂｕｔｅｔｈｅｏｒｙ．Ａｔｔｈｅｅｎｄ，ａｎｅｘｐｅｒｉｍｅｎｔｗａｓｕｓｅｄｔｏｐｒｏｖｅｔｈｉｓｍｅｔｈｏｄｃａｎａｄａｐｔｔｈｅｄｉｆｆｅｒｅｎｔｓｃａｌｅｏｎｔｏｌｏｇｉｅｓ，ａｎｄａｌｓｏｃａｎｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｓｉｍｉｌａｉｔｒｙ．

一种改进的本体概念相似度计算算法

１本体中概念相似度的计算
１１有向边权重的计算．
在本体层次网络中影响有向边权重的因素有以下四点阁：Ｊ父结点和子结点之问有向边的类型；２父（）（）
结点和子结点构成的有向边在层次网络图中的深度；３父结点和子结点构成的有向边在层次网络图中的密（）
第２８卷第２期
２１０１年６月
苏州科技学院学报（然科学版）自
ＪｕａｏｕｈｕＵｉｒｉｆｃｅｃｎｅｈｏｏｙ（ａｕａｃｅｃ）ｏｒｌｆＳｚｏｎｖｓｙｏｉｅａｄＴｃｎｌｇＮｔｒｌｉｎｅｎｅｔＳｎＳ
度；４有向边两端概念结点的属性对有向边的权重的影响。（）
［稿Ｅ期】０００－２收ｔ２１— ５１【金项目】家自然科学基金资助项目（０９ＱＺ０）基国２０ＳＲ２５［者简介］美辉（９３）女，作兰１８～，云南宜良人，士，究方向：息检索、算机智能。硕研信计
率。
关键词：体；义亏损；本语语义距离；义相似度语
中图分类号：Ｐ９Ｔ３１文献标识码：Ａ文章编号：１７ — ６７２１）２０４ — ５６２０８（０１０ — ０５０
本体（ｎｏｏ）词源于哲学，来描述事物的本质【ｏｔｌ一用 ” 。在计算机科学领域，体被定义为共享概念模型本

改进的领域本体概念语义相似度计算方法

０引言
领域本体是本体的一种，描述特定领域（它医疗、教
１改进的领域本体概念语义相似度计算方法
本文主要基于领域本体的树状层次结构（图１所示）从如，路径距离、语义重合度、语义深度、语义密度和概念属性等几个角度来讨论概念语义相似度的计算方法，具体的计算过程中分别以路径距离因子艿语义重合度因子０、义深度因子、义、Ｉ语语
崔其文解福
（煤炭科学研究总院北京１０３０１）０（山东师范大学信息科学与工程学院山东济南２０１）５０４
摘

要
基于领域本体的树状层次结构，从路径距离、语义重合度、语义深度、义密度和概念属性几个角度讨论并优化了领域本语
ＳＭＩＩＬＡＲＩＹＮＴＩＤｏＭＡＩＯＮＴｏＬＯＧＹＮ
ＣｉｉｅＸｅＦｕｗｎＱｉｕ
（ｈｎｏｌｅｅｒｎｔｕｅＢｉｎ００３ＣｉａＣｉａＣａｓａｃＩｓｉｔ，ｅｉｇ１０１，ｈｎ）Ｒｈｔｊ
。ＳｈｏｎｏａｉｎＳｉｃｎｎｉｅｉＳａｄｎｏｍａｎｅｉ，ｉａ５０４，ｈｎｏｇＣｉ）（ｃｏｌｆＩｒｔｃｎｅａｄＥｇｎｒｇ，ｈｎｏｇＮｒｌｉｒｔＪａｎ２０１Ｓａｎ，ｈｎｏｆｍｏｅｅｎＵｖｓｙｄａ
密度因子Ａ和概念属性因子来进行刻画。下面对各因子的计
学等）中概念以及概念之间的关系。其目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的

改进的概念语义相似度计算

ｉｐｌｄｉｏｏｉ，ａｒｖｄｓｍｉｒｙｃｍｐｔｔｎｍｏｅｒｐｓｄＴｉｔｏｓｄｓｂｕｔｎｒｌｔｎｏｕｅｓｐｉｓｍｅｄｍａｎｎｉｏｅａｅｎｍｐｉｌｉｏｕａｉｄｌｓｏｏｅ．ｈｓａｔｏｉｐｍｅｈｄｕｅｕｓｍｐｉａｉｓｔｃｍｐｔｏｅｏｏ
中图法分类号：Ｐ９Ｔ３１
文献标识码：Ａ
文章编号：００７２２１）５１２ —４１０ —０４（０ｏ０—１１０
Ｉｒｖｄｃｎｅｔｉｌｒｙｃｍｐｔｔｎｍｐｏｅｏｃｐｍｉｉｏｕａｉｓａｔｏ
ＨＵｅ，ＺＨＥＧｅｇＺｈＮＣｈｎ
ａｄＳｇａＰｏｅｓｇｎｉｎｌｒｃｓｎ，Ｍｉｉｒｆｄｃｔｎｎｕｎｅｉ，Ｈｆ３０９ｈｎ）ｉｎｓｏｕａｉ，ＡｈｉｉｒｔｔｙＥｏＵｖｓｙｅｅ２０３，Ｃｉａｉ
ＡｂｔａｔＯｎｏｏｙｃｎｅｐｅｓｄｆｉｌｎｏｍａｌｌｋｎｓｏｎｅｔａｄｒｌｔｏｓｅｗｅｎｔｅ，Ｓｌｙｎｉｏｔｎｌｓｒｃ：ｔｌｇａｘｒｓｅｎｔｙａｄｆｒｌａｌｉｄｆｏｃｐｓｎａｉｎｔｅｍｉｅｙｃｅｂｈＯｉｐａｓａｔｍｐｒｔｏｅａｒ
算模型。利用上下位关系计算相似度，非上下位关系计算相关度，二者合成，同时考虑语义检索领域中，似度计算的将并相

本体映射中概念相似度计算的改进

１本体映射方法改进
１１本文的思想．
例对概念相似度进行计算．于一个实例，用对可Ｊｃａｄ系数来计算相似度［计算公式为：ａｃｒ６１，
在本体映射中，目前最常用的计算相似度的方
法是基于语法的方法和基于概念实例的方法［然５１．
周生宝，郭俊芳
（山西大同大学数学与计算机学院，山西大同０７０）３０９
摘要：通过对目前各种本体映射方法的分析，出一种改进的本体映射的方法．提该方法考虑了概念的名称、
本体映射概念相似度
实例、属性、关系对相似度计算的影响，使概念相似度的计算更加全面、准确．
作者简介：周生宝（９９）男，１７一，山西闻喜人，硕士，助教，研究方向：超网络、复杂网络
２００８钲
周生宝等：本体映射中概念相似度计算的改进
似度计算方法进行判定．们可用Ｅｉｉａｃ我ｄｔｓｎｅ方Ｄｔ
法来比较，也可用ｈｍｍｎｉａｃ．ｕｕｉｇｄｓｎｅｈｍｍｉｇｄｓｔｎｉ－
１４基于属性计算概念相似度．
估概念的相似度，主要用到的是字符串的相似性判断方法．文采用编辑距离（ｄｔｉａｃ）本Ｅｉｓｎｅ方法来计Ｄｔ
收稿日期：０８０ — ６２０ — ３１
在本体中，每个属性也是一个概念．属性名称、属性类型本身都是字符串，因此可以采用字符串相

改进的领域本体概念相似度计算方法

第３６卷第２３期
Ｖｏ．１３６
・
计
算
机
工
程
２１００年１２月
Ｄｅｅｂｅ０１ｃｍｒ２０
ＮＯ３．２
ＣｏｐｅｍｕｔｒＥｎｇｎｅｉｉｅｒｎｇ
软件技术与数据库・
文章编号：０—３２（１） —０６—０１０４８２ｏ２ｏ６３０ｏ３
（．ｈｏｆＭａａｅｅ１Ｓｃｏｌｎｇｍｍｏ
．
，
ＨｅｅｆｉＵｎｉｒｉｙｏｃｎｌｇｖｅｓｔｆＴｅｈｏｏｙ，Ｈｅｅ３０９ｆｉ２００，Ｃｈｎｉａ
２３２Ｕｎｉ，ＰＬＡｅｔｏｉｇｎｅｉｎｔｔｔ，Ｈｅｅ３０７．０ｔＥｌｃｒｎｃＥｎｉｅｒｎｇＩｓｉｕｅｆｉ２０３，Ｃｈｎａｉ）
ｏｏｃｐｓｃｎｏｔｆｌｙｒｆｅｔｔｅｓｍｉｒｔｔｅｗｏｃｎｅｔ，ｂｃｕｅｉｏｙｃｎｉｒｈｅｐｔｔｈｈｒｅｔｉｔｎｅｆｃｎｅｔａｎｕｌｅｃｈｉｌｉｙｂｅｗｅｎｔｏｃｐｓｅａｓｔｎｌｏｓｄｅｓｔａｈｗｉｈｔｅｓｏｔｓｓａｃ．ＡｏｅｅｈｄｌａｄｎｖｌｔｏｍｆｒｃｎｅｔｓｍｉｒｔｏｐｔｔｏｓｄｏｈｉｈｔｄｓｍａｔｉｔｎｅｉｒｐｓｄＩｆｄＳｏｔａｌｐｔｅｗｅｎｔｏｃｐｓｂｔｅｏｏｃｐｉｌｉｃｍｕａｉｎｂａｅｎｔｅｗｅｇｅｅｎｉｄｓａｃｓｐｏｏｅ．ｔｉｕｌａｈｓｂｔｅｗｏｃｎｅｔｙｈａｙｃｎｐｏｏｅｅｒｈｎｒｃｄｒ，ｃｌｕａｅｏｃｐｉｌｒｔｓｎｈｉｈｅｖｒｇｉｔｎｅＯｌｐｔｓｎｔｄｅｏｒｌｏｉｅｈｒｐｓｄｓａｃｉｇｐｏｅｕｅａｃｌｔｓｃｎｅｔｓｍｉｉｙｕｉｇｔｅｗｅｇｔｄａｅａｅｄｓａｃｆａｌａｈ，ａｄｉｏｓｎｔｍｅｅｙｃｎｓｄｒｔｅａｓｏｔｓｉｔｎｅＩｄｉｉｎ，ｉａｓｏｓｄｒｈｎｕｎｃｓｏｈｏｅｄｐｈａｕｌａｅｔｉｈｐｒａｈｈｒｅｔｄｓａｃ．ｎａｄｔｏｔｌｏｃｎｉｅｓｔｅｉｆｅｅｆｔｅｎｄｅｔｎｄｐｂｉｐｒｎｎｔｅａｐｏｃ．Ｅｘｅｉｅｔｌｒｓｌｓｓｏｔａｌｃｐｒｍｎａｅｕｔｈｗｈｔ

一种改进的Lucene语义相似度检索算法

第５０卷
２１０１年
第２期
３月
中山大学学报（自然科学版）
ＡＴＳＩＮＩＲＭＮＴＲＬＵＵＩＥＳＴＴＳＳＮＡＳＮＣＡＣＥＴＡＵＡＵＡＩＭＮＶＲＩＡＩＵＹＴＥＩ
Ｖｏ．５Ｎｏ２１０．
Ｋｅｒｓ：ｓｍａｔｃ；ｓｍｉａｉｙ；ｉｆｒａｉｎｒｔｉｖｙｗｏｄｅｎｉｉｌｒｔｎｏｍｔｅｒｅｅ；ａｇｒｔｍｏｌｏｈｉ
关键词：语义３１
文献标志码：Ａ
文章编号：５９６７（０１２０１ — ５０２ — ５９２１）０ — ０１０
ＡｎｍｐｏｅｔｉｖｇｒｔｍｎｃｒｏａｅＩｒｖｄＲｅｒｅｅＡｌｏｉｈＩｏｐｒｔｄＳｅａｔｃＳｍｉｒｔｏｍｎｉｉｌｉｙｆｒＬｕｃｎａｅｅ
Ｍａ．ｒ２１０１
一
种改进的Ｌｃｎ义相似度检索算法ｕｅｅ语
黄承慧一，印鉴陆寄远，
（．中山大学信息科学与技术学院，广东广州５０７；１１２５２．广东金融学院计算机科学与技术系，广东广州５０２）１５０
Ｇａｇｈｕ５２，Ｃｉａｕｎｚｏ５０ｈｎ）１０
Ａｂｓｒｃ：Ａｅｒｅｅａｇｒｔｍｈｔｉｏｐｒｔｓｔｅｓｍａｔｃｉｆｒａｉｎｏｈｒｎｏｔａｔｏａｅｔａｔｒｔｖｌｏｉｈｔａｎｃｒｏａｅｈｅｎｉｎｏｍｔｏｆｔｅｗｏｄｓｉｔｒｄｉｎｌｒ — ｉｉｔｉｖｕｔｏｆＬｕｅｓｐｒｐｓｄ．Ｔｒｐｓｄｍｅｈｄｉｒｖｓｔｅｉｐｒａｔｃｍｐｎｅｔｆｅｉｔｒｅｅｆｎｃｉｎｏｃｎｅｉｏｏｅｈｅｐｏｏｅｔｏｍｐｏｅｈｍｏｔｎｏｏｎｓｏｘｓ— ｉｇｒｔｉｖｉｉａｉｕｔｏｔｅａｔｃｉｆｒａｉｎ，ａｄｓｌｃｓｔｐｐｏｒａｅｍｅｓｒｆｓｍａ — ｎｅｒｅｅｓｍｌｒｔｆｎｃｉｎｓｗｉｈｓｍｎｉｎｏｍｔｏｙｎｅｅｔｈｅａｒｐｉｔａｕｅｏｅｎｔｃｓｍｉａｉｏｃｍｐｔｈｅａｔｃｓｍｉａｉｙｂｔｅｈｅｑｕｒｒｎｄｔｘｏｐｙｕｉｇｔｅｅ — ｉｉｌｒｔｔｏｕｅｔｅｓｍｎｉｉｌｒｔｅｗｅｎｔｅｙｗｏｄｓａｅｔｃｒｕｓｂｓｎｈｘｙｔｒａｉｔｏａｙＷｏｄｅ．Ｗｉｈｔｅｅｎｉｓｍｉｒｔｔｅａｇｒｔｍｍｐｅｅｔｅａｔｃｉｆｒａｉｎｅｎｌｄｃｉｎｒｒｎｔｔｈｓｍａｔｃｉｌｉｙ，ｈｌｏｉｈｉｌｍｎｓｓｍｎｉｎｏａｍｔｏｒｔｉｖｎａｓｒｈｅｅｒｅｅｔｘｏｕｎｓｃｏｄｉｏｈｓｍａｔｃｉｉｒｔｂｔｅｑｅｙｅｒｅｅａｄｃｎｏｔｔｒｔｉｖｄｅｔｄｃｍｅｔａｃｒｎｇｔｔｅｅｎｉｓｍｌｉｙｅｗｅｎｕｒａｗｏｄｎｅｔｄｃｍｅｔ．Ｔｈｘｅｉｎａｅｕｌｈｗｈｔｔｅｐｒｐｓｄｍｅｈｏａｍｐｏｅｔｅｐｅｒｓａｄｔｘｏｕｎｓｅｅｐｒｍｅｔｌｒｓｔｓｏｔａｈｏｏｅｔｄｃｎｉｒｖｈｒ — ｓｃｓｏｆｄｃｍｅｔｒｔｉｖｌｅｆｃｉｅｙｉｉｎｏｏｕｎｅｒｅａｆｅｔｖｌ．

改进的本体中概念相似度计算方法

行。相似性提取是本体映射的一个重要步骤，主要是进行概它念语义相似度的计Байду номын сангаас ，产生一个相似矩阵。
当今各个研究机构也从不同角度提出了概念语义相似度计
２改进的概念语义相似度算法
通过以上对本体和概念的分析可知，影响概念的语义相似度计算结果的因素并不单一，在本文中，将综合考虑距离的语义
第２７卷第２期
２１００年２月
计算机应用与软件
ＣｏｍｐｕｅｐｉａｉｎｎｏｗａｅｔｒＡｐｌｃｔｏｓａｄＳｆｒｔ
Ｖｏ．７Ｎｏ２１２．
Ｆｂ２１ｅ．００
改进的本体中概念相似度计算方法
ＴＥＩＰＨＭＲｏＶＥＤＣｏＭＰＵＴＡＴＩｏＮｏＦＣｏＮＣＥＰＵＡＬＩＩＴＳＭＬＡＲＩＹＮＴＩＯＮＴｏＬｏＧＹ
ＫｏｕｎＷａｇＧｕｘａＺｈｎｎｇＬｗｅｎｉｕｎａｇＨｕｉｎｍｉ
（＆ｅｔｈｉｌｎｉｅｒｇＴｃｎｌｙＤａｉｎＵｉｒｉ，ａｉｎ１６２Ｌａｎｎ，ｈｎＲＤＣｎｅｏｅＣｖｇｎｅｉｅｏｏ，ｌｎｅｓｙＤｌ１６２，ｉｏｉｇＣｉｒｆｔｉＥｎｈｇａｖｔａａ）
函数ｒ，ｅ公理集。：＝｛Ｒ，，ｌ。。ｚ）Ｏ：Ｃ，Ｈ。ｒ，｝ｅＡ
１２概．
念
概念是客观世界中任何事物的抽象描述，形式上，概念定义为一个四元组（概念的标示符，语言词汇，属性集合Ｐ，实

一种跨本体的语义相似度计算方法

ｏ７０８１３Ｎ．
一
种跨本体的语义相似度计算方法
黄宏斌董发花邓苏张维明
（防科技大学信息系统与管理学院长沙４０７）国１０３
摘要针对在广域分布环境下进行信息共享与服务的需要，文设计了基于本体的元数据模型，在ＭＤ本并３模型的
ｔｎｖｌａｉｇｏｏｃｐｓｆｏｄｆｅｅｔｎｏｏｉｓｉｏｕｅｎｅｔｎｅｈｉｓｅａｕｔｆｎｅｔｒｍｉｆｒｎｔｌｇｅｆｃｓｄｏ，ｘｅｄｄｔｅＭＤ３ｍｏｅＯＭＤ４ｍｏｅｏｍａｅｔｅｏｎｃｏＳｄｌｔｄｌｋｈｔｓｍａｔｃｓｍｉｒｙｏｏｃｐｓｆｏｄｆｅｅｔｏｔｌｇｅｒｏｐｅｅｓｖｎｒｃｓｎｔｅｒ．ｅｎｉｉｌｉｆｃｎｅｔｒｍｉｒｎｎｏｉｓｍｏｅｃｍｒｈｎｉｅａｄｐｅｉｅｉｈｏｙａｔｆＯ
ＫｅｗｏｄＭｅａａａｍｏｅ，ｔｌｇＳｍａｔｉｌｒｔＭＤ４ｍｏｅｙｒｓｔｄｔｄｌＯｎｏｏｙ，ｅｎｉｓｍｉｉｃａｙ。ｄｌ
１引言
随着网络的发展，在一些大型企事业团体和虚拟组织环境中，存在着大量的业务信息系统。组织内的各单位依据业
更全面、精确。更关键词元数据模型，体，义相似度，４模型本语ＭＤ
ＡｐｏｃｏｔｒｎｉｅｎｔｃＳｉｌｒｔｍｏｎｅｓｂｔｅｆｅｅｐｒａｈｆＤｅｅｍｉｎｇＳｍａｉｍｉａｉｙａｎｇＣｏｃｐｔｅｗｅｎＤｉｆｒｎｔＯｎｔｌｇｅｏｏｉｓ

一种改进的多因素语义相似度计算方法

ＤＡＡｑｏｇ，ＬＵｅ — ｕＮＧＩ — ｉｎＩＷｎｈｉ
（．ｃｏｌｆｏｐｔｉｃ，ｉａｈｏｎｖｒｔ，ｉａ１０５Ｃｉ；．５９ｎｔｏＰＡ，ａｅｇ７０３Ｃｉ）１ＳｈｏｏｍｕｒｃｅｅＸ ’ｎＳｉｕＵｉｓｙＸ ’ｎ７０６，ｈｎ２９０２ＵｉＬＫｉｎ４５０，ｈａＣｅＳｎｙｅｉａｓｆｆｎ
关键词：义词典；网；义相似度；多因素语知语中图分类号：Ｐ９Ｔ３１文献标识码：Ａｄｉ１．９９ｊｉｎ１０－７．０１１．０ｏ：０３６／．ｓ．０６２５２１．００７ｓ４
ＡｎＩｐｒｖｄＭｕｌ－ａｔｒＳｅａｔｃＳｍｉａｉｙＣａｃｌｔｏｍｏｅｉｔｆｃｏｍｎｉｉｌｒｔｌｕａｎｉ
０引言
词语相似度计算在自然语言处理、能检索、本智文聚类、分类、文本自动应答、词义排歧和机器翻译等领域都有广泛的应用，它是一个基础研究课题，正在为越来越多的研究人员所关注 ¨ 。其中基于语义词典的相似度计算方法，由于存在计算简单、基础条件低、假设条件易于满足等优点，受到越来越多研究者的欢迎。
１２常用语义词典．
基于语义词典的词语相似度计算方法是一种基于语言学和人工智能的理性主义方法，它利用语义词
典，依据概念之间的上下位关系和同义关系，过计通算两个概念在树状概念层次体系中的距离来得到词语间的相似度。基于语义词典的方法建立在两个词

一种改进的概念语义相似度计算方法

系， “ ｅｅａｌ” 和 “ ｉｍｉ” 之间是ｅｅｎｏｉｉ二元ｖｇｔｂｅｖｔｎａｌｍｅｔｒｎ的ｇ
Ｂ，它们之间的语义距离为：Ｄｓ，）（ｌ）而它们之ｉＡＢｅｏ，，（，＿
一
ｌ
关系。在实际的本体中，概念之间通过各种关系连接成图状结构，而目前对语义距离的计算大多针对单一关系的树状结构，导致不能完整反映概念的语义。因此，本文引入关系类
概念之间存在着同义关系、继承关系、整体和部分关系、
２改进的相似度计算模型
针对传统相似度计算不足，本文基于以下３点进行改进：（）１引入边的权重。在不同领域的本体模型中，每个节点可能与多个节点相连通，各概念节点之间的继承关系或其他丰富的语义关系对应着本体网络中的一种有向边类型，并且各边节点所起的作用不同，意味着概念之间的语义相关程度
ｉｏｔｎａｅｔｄｄｔｃ—ａｅｅｏｄｅｕａｂｃｖｄｍｎｒｕｏｅａｔｓｔｄｓｅｓｌａｄａｄｎｒｉ — ｓｍｅｏ，ｉａｅｓｄｔｄｍｓｊｔｅｕｇｅｔｅｌｒｓｈｔｉｍｅｏａｂｌ．ｆｍａｏｂｄｈｓｎｂｍｈａｔｈｎｕｅｉｊｎｈ，ｓｔｖｔｈｉｆｉｅｖｉｐｈｎ
ＩｐｏｅｎｅｔｅａｔｉｉｒｔｍｐｔｔｏｅｈｄｍｒｖｄＣｏｃｐｍｎｉＳｍｌｉＣｏＳｃａｙｕａｉｎＭｔｏ
ＺＡＮＧＹｎｘａＺＮＧｉｇｊｎＰＮＬ－ｕＸＥＢｎｈｎ，ＨＥｉｈｏＨａ－ｉ，ＨＡＹｎ－，Ａｉ，Ｉｉ－ｏｇＣＮＬ－ａｕｈｃ

改进的本体概念语义相似度计算方法

概念语义相似度计算方式存在计算粒度大，计算方法单一等缺陷。中提出一种改进的基于概念子文图的概念语义相似度计算方法，方法考虑了本体概念的深度、该密度对语义距离的影响，细化了计
算粒度，并将语义距离与信息量方法相结合。试验表明，改进的方法优于传统方法。
Ｏ
ＷａｇＸｉｏｍａｎａｎ’ ＧｕｏＣｈｅｈａ。ＺｈａｍｉｇｎｇｏｏｕＸｉｏｎ
（ｌｅｅｏｎｏｍａｉｎＳｉｎｅａｄＴｅｈｏｏｙ，ＮａｉｇＵｎｖｒｉｆＡｅｏａｔｃｎｔｏａｔｓ１ＣｏｌｇｆＩｆｒｔｃｅｃｎｃｎｌｇｏｎｉｉｅｓｔｏｒｎｕｉｓａｄＡｓｒｎｕｉ，Ｎａｊｇ２０１）ｎｙｃｎｉ１０６ｎ
第１卷第５期２１年１００Ｏ月
・
指挥信息系统与技术
ＣｏｍｍａｄＩｆｒｔｎＳｓｅ＆Ｔｅｈｏｏｙｎｎｏｍａｉｙｔｍｏｃｎｌｇ
Ｖｏ．Ｎｏ１１．５
０Ｃ．００ｔ２１
理论与探索・
改进的本体概念语义相似度计算方法
（ｃｅｃｎｃｎｌｇｎＩｆｒｔｎＳｓｅｇｎｅｉｇＬａｏａｏｙ２ＳｉｎｅａｄＴｅｈｏｏｙｏｎｏｍａｉｙｔｍｓＥｎｉｅｒｎｂｒｔｒ，Ｎａｊｇ２００）ｏｎｉ１０７ｎ
Ａｂｓｒｃ：ＴｈａｕｅｎｆｓｍａｎｉｉｉｒｔｔｅｎｏｌｉａｏｅｔｓｗｉｅｙｕｅｎｔａｔｅｍｅｓｒｍｅｔｏｅｔｃｓｍｌｉｙｂｅｗｅｎｏｔｏｇｃｌｃｎｃｐｓｉｄｌｓｄｉａｔｅｆｅｄｉｔｌｇｙｍａｉｇａｄＳｍａｉｅｅｖｉｅｍａｃｈｉｌｓｌｋｅｏｎｏｏｐｐｎｎｅｎｔｃＷｂｓｒｃｔｈｍａｉｋｎｇ．Ｈｏｖｒｒｄｔｏｎｌｗｅｅ，ｔａｉｉａｍｅｈｏｆｍｅｓｅｎａｅｓｈｄａａｋｓａｏａｓｒｎｕａｉｙａｄｌｃｎｇｄｉｅｓｔＴｈｉｔｄｓｏａｕｒｍｅｔｈｖｕｃｒｗｂｃｓｃｒｅｇａｌｒｔｎａｋｉｖｒｉｙ．ｓｐｐｒｒｐｏｅａｍｐｒｖｄｍｅｈｏｆｓｍｉｒｔａｕｒｍｅｔｂａｅｏｅｇａｈ，ｗｈｉｈａｅｐｏｓｓｎｉｏｅｔｄｏｉｌｉｙｍｅｓｅｎｓｄｏｎｃｎｃｐｔｒｐａｃｃｓｄｒｈｅｉｌｎｃｆｔｅｔｎｄｔｅｄｎｉｙｏｆｔｅｏｏｏｃｌｃｎｃｐｓｏｎｔｅａｔｃｏｎｉｅｓｔｎｆｕｅｅｏｈｅｄｐｈａｈｅｓｔｈｎｔｌｇｉａｏｅｔｈｅｓｍｎｉｄｓａｃｉｔｎｅ，ｒｆｎｅｈｅｇａｌｒｔｎｄｃｍｂｎｅｈｅｍｅｈｏｅｎｉｓａｅｗｉｈｔａｆｉｆｒｅｉｓｔｒｎｕａｉｙａｏｉｓｔｔｄｏｆｓｍａｔｃｄｉｔｎｃｔｈｔｏｎｏ — ｍａｉｏｅｔｔｏｎｃｎｔｎ．Ｅｘｅｉｎｔｌｒｓｔｈｏｔａｈｍｐｏｄｍｅｈｏａｎａａｔｇｖｅｈｐｒｍｅａｅｕｌｓｓｗｈｔｔｅｉｒｖｅｔｄｈｓａｄｖｎａｅｏｒｔｅｔａｉｉｎａｎｅ．ｒｄｔｏｌｏｓＫｅｒｙｗｏｄｓ：ｏｏｌｇｎｔｏｙ；ｓｍａｉｉｌｒｔｅｗｅｎｏｎｏｏｃｌｃｃｐｔｅｎｔｃｓｍｉａｉｙｂｔｅｔｌｇｉａｏｎｅｓ；ｉｏｍａｉｎｃｔｎｔｅｎｆｒｔｏｏｎｅ；ｓ — ｍａｔｃｄｉｔｎｅ；ｃｎｃｐｒｐｈｎｉｓａｃｏｅｔｇａ

改进的主客观结合的词语语义相似度算法

ＡｎＩｒｖｄＳｂｅｔｅａｄＯｂｅｔｅＣｍｂｎｔｎＭｅｈｄｆｒｍｐｏｅｕｊｃｉｎｊｃｉｏｉａｉｔｏｏｖｖｏ
ＭｅｓｉｇＷｏｄＳｅａｉｉｉｒｔａｕｒｎｒｍｎｔｃＳｍｌｉｙａ
ｐｏｅｔｅａｃｒｃｆｔｅｗｏｄｓｍａｔｉｉｒｔ．ｐｒｍｅｔｌｒｓｌｓｓｏｔａｅｐｏｐｓｄｍｅｈｏｓｅｆｔｅａｄｃｉｎｆａｔｙｒｖｈｃｕａｙｏｒｅｎｉｓｌｉＥｘｉｎａｕｔｈｗｈｔｔｒｏｅｔｄｉｆｅｉｈｃｍａｙｅｅｈｃｖｎａｓｇｉｃｌｎｉｎｉｒｖｈｃｕａｙｏｅｗｏｄｓｍａｔｉｌｒｔ．ｍｐｏｅｔｅａｃｒｃｆｔｒｅｎｉｓｍａｉｈｃｉｙ
个研究热点。文中根据词语表达方式的特点，在基于词语语义词典和基于大规模语料库这两种计算词语语义相似度方法的基础之上，出一种改进的主观和客观相结合的词语相似度计算方法。从方法论的角度，算法既融合了主观经验主提本义思想也融合了客观的理性主义思想，使得词语语义相似度的计算结果能够更加准确。实验结果表明采用文方法是有效的，够显著提高词语语义相似度计算结果的准确性。能关键词：语语义相似度；网；词知客观相似度；主观相似度中图分类号：Ｐ０．Ｔ３１６文献标识码：Ａ文章编号：７－２Ｘ２１）９０４ — ５１３６９（０２０－０５０６

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

关键词：似度；本体；智能检索；语义距离；概念扩展相中图法分类号：Ｐ９Ｔ３１文献标识码：Ａ文章编号：００７２２０）１０２－３１０。０４（０７０－２７０
Ｍｅｓｒｇｓｍａｔｉｉｒｔｎｏｏｙａｄｉｐｌａｉｎｉｆｒａｉｎｒｔｅａａｕｎｅｎｉｓｌｉｉｏｔｌｇｎｓａｐｉｔｉｏｍｔｒｖｌｉｃｍａｙｎｔｃｏｎｎｏｅｉ
ｉｎｏｏｙａｄｉｐｌａｉｎｉｆｒａｉｎｒｔｉｖｌｓｐｅｅｔｄｎｏｔｌｇｓｐｉｔｉｏｎｔａｃｏｎｎｍｔｒａｒｓｎｅ．ｏｅｅｉ
Ｋｅｒｓｓｍｉｒ；ｏｔｌｇ；ｉｆｒａｉｎｒｔｅａ；ｓｍａｔｉｔｎｅｃｎｅｔｘａｓｎｙｗｏｄ：ｉｌｉｎｏｏｙｎｏａｔｙｍｔｅｒｖｌｅｎｉｄｓａｃ；ｏｃｐｐｉｏｉｃｅｎｏ
维普资讯
第２卷８
ＶＯ．８１２
第１期
ＮＯ．１
计算机工程与设计
ＣｏｕｅｇｎｅｎｎｓｇｍｐｔｒＥｎｉｅｒｇａｄＤｅｉｎｉ
２０年１０７月
Ｊｎ．２０ａ０７
一
种改进的本体语义相似度计算及其应用
料库来统计。本体给词语问相似度计算带来了新的机会。利用本体结构上的ＩＡ关系，出了本体内部概念之间的相似度Ｓ提计算方法实验结果表明，方法能充分利用本体特点来计算相关概念之间的相似度。该结合一个简单本体，绍了如何计算介概念间的相似度，及其在智能检索系统中的应用。
李鹏，陶兰王弼佐，
（．中国农业大学信息与电气工程学院，北京１０８；２圳大学信息工程学院，广东深圳５８６）１００３．深１００
摘要：语相似度研究，词是知识表示以及信息检索领域中的一个重要内容。词语相似度的计算方法一般是利用大规模的语
ｍｅｓｒｇｓｍｉｒｔｅｅａａｅｎｔｅｓｔｔｆａｇｍｐｅｂｓ．Ｂｕｅｄｅｔｆｎｏｏｙｂｎｓｅｃａｃｅｅｅｃａｕｉｉｌｉｉｇｎｒｌｓｂｓｄｏｔｉｉｏｌｅｓｎａｙｎｉｈａｓｃｒａｌａｅｔｈｖｎｏｔｌｇｒｇｗｈｅｔｔｓａｈｔａｏｉｎｎｏｈｒｒｏｓｉｒｔ．ＴｅｅｓｒｅｈｄｏｓｍａｔｉｌｒｔｒｐｓｄｂｋｎｄａｔｇｆｈＳｒｌｔｎｈｐｏｃｎｅｔｉｎｏｏｙｆｉｌｉｍａｙｈａｕｅｔｏｆｅｎｉｓｍｉｉｉｐｏｏｅｙｔｉｇａｖａｅｏｔｅＩＡａｉｓｉｆｏｃｐｓｎｏｔｌｇ￣ｍｍｃａｙｓａｎｅｏＩｉｏｙｔｅｘｅｍｅｔｌｅｕｔａｅｍｅｈｄｉｅｃｅｔＢｙｕｉｇａｓｌｎｏｏｙｏｏｔａｕｅｅｓｍａｔｍｉｒｔｓｈｗｎｂｐｒｎａｓｌｔｔｈｔｏｆｉｎ．ｓｈｅｉｒｓｈｔｓｉｓｎｍｐｅｔｌｇ，ｎｈｗｍｅｓｅｎｉｓｌｉｉｏｏｒｔｈｃｉａｔｙ
０引言
词语相似度是一个主观性相当强的概念，于不同的应对用词语的相似度也不同。词语之间的关系非常复杂，相似其之处很难用一个简单的数值来进行度量。某一角度看非常从相似的词语，另一个角度看，可能差异非常大。基于实从很在例的机器翻译中，语相似度主要用于衡量文本中词语的可词替换程度；在信息检索中，似度更多的要反映文本或者用而相
２ｏｌｇｆｎｏｍａｉｎＥｇｎｅｎ，Ｓｅｚｅｉｅｓ，Ｓｅｚｅ８６，Ｃｈｎ）．ＣｌｅｏｆｒｔｎｉｅｒｇｈｎｈｎＵｎｖｒｉｅＩｏｉｙｔｈｎｈｎ５０１０ｉａ
ＡｂｔａｔＴｅｒｓａｃｂｕｒｉｉｒｙｉｖｒｏｔｎｎｗｌｄｅｒｐｅｅｔｔｎａｄｉｆｒｔｎｒｔｅａ．Ｔｅｍｅｈｄｏｓｒｃ：ｈｅｅｒｈａｏｔｗｏｄｓｌｉｅｙｉｍａｔｓｍｐｒｔｎｋｏｅｇｅｒｓｎａｉｎｏｍａｉｒｖ１ｈｔｏｆａｉｏｎｏｅｉ
Ｌｅｇ．ＴＩＰｎ ‘ ＡＯｎ，ＷＡＮＧｎａｄＥｅｔｃｌｎｉｅｎ，Ｃｉａｇｃｌｒｌｎｖｒｉ，Ｂｉｎ００３Ｃｉａ１ＣｌｇＩｆｒａｉｌｒａＥｇｅｒｇｈｎｒｕｔａＵｉｅｓｙｅｉｇ１０８，ｈｎ；ｅｏｏｎｃｉｎｉＡｉｕｔｊ