基于概念特征的语义相似度计算方法

２ 相关工作
目前 ，国内外学者 已经对概念相似度计算进行了广泛的
探索和研究 ，提 出了很 多计算相似 度的方法 。其 中具有代表 性 的相 似度计算方法主要有基于概念信 息量 的方法Ｉ、基于
３ 基于概念特征的语义相似度计算
３１ 概念 的特征属性和特征 ． 在本体中 ， 个概念往往包含很多属性 ， 例如概 念 ｂ ｏ ， ｏ ｋ 它 的属性包括作者、出版 日期、出版地 、类 型等。但 是，从 另外一 个角度 去分析概念 ，比如 ｈｍａ 可以分为 ｍａ 和 ｕ ｎ ｎ
［ ｓ ａｔ Ａｂ ｔ ｃ］Ｄｕ ｅｓｏ ｃ ｍｉｇ ｆｃｒｅｔ ｅ ｎｉ ｓｍｉ ｔ ｍｅｒ ｏ ｌ ｓｎ ｅｓｍａｔ ｆｒ ｔ ｎｏ ｎｏｏ ｙａｄｉ ｏ ｌｘ ｒ ｅｔ ｔ ｈ ｒ ｏ ｎ ｓ ｕｒｎ ｍａｔ ｉ ｌ ｙ ｔｃｎ ｔｕｌ ｕ ｉｇｔ ｅ ｎｉ ｉ ｏｍａｉ ｆｏ ｔｌｇ ｎ ｓ ｍｐｅ ｏｈ ｔ ｏ ｓ ｃ ￣ｉ ｉ ｆ ｙ ｈ ｃｎ ｏ ｔｃ
基于概念特征的语义相似度计算方法 。
基于信 息量与基于背景向量 以及文献【—】 ５６的方法都依赖于指
定 的文档 ，但是对文档进行分析要耗费大量的时间 ；基于 距 离的方法在将语义距离转换成相似度的时候需要调整不同的
参数值 。如果将它们应用在大规模本体分块和映射中 ，将会 造 成很大的不便 ，因此 ，迫切地需要找到一种新 的既精确又 简便的相 似度计算方法 。
Ｔ ＡＮＧ ａ ｙ ａ ． Ｙ ． ｕ ｎ ， ＸＵ ． ｈ ＬＡＩ 一 Ｄｅ ｚ ｉ． Ｙａ （ ． ｐ ｒ ｎ ｏ Ｃ ｍｐ ｔｒ ｎ １ Ｄｅ ａｔ ｔ ｆ ｏ ｕｅ ｄＣｏ ｍｅ ａ ｍｍｕ ｉａｉｎＥ ｇｎ ｅ ｉｇ Ｈｕ ａ ｎｃ ｔ ｏ ｎ ｉｅ ｒ ， ｎ ｎＵｎｖ ｒｉ ｆ ｃｅ ｃ ｎ ｎ ｉｅ ｒ ｇ Ｙ ｎ ｚ ｏ ２ １ ０ Ｃ ｉａ ｎ ｉｅｓｔ ｏ Ｓ ｉ ｅ ｄＥ ｇｎ ｅｉ ， ｏ ｇ ｈ ｕ４ ５ ０ ， ｈ ｎ ； ｙ ｎ ａ ｎ ２ Ｃ ｌ ｇ ｆ ｎｏ ｍａｉｎ Ｓ ｉｎ ｅ ｎ ｎ ｉｅ ｒ ｇ Ｃ ｎ ａ Ｓ ｕｈＵｎｖ ｒｉ ， ｈ ｎ ｓ ａ４ ０ ３ Ｃ ｉａ ． ｏｌ ｅ ｆｒ ｔ ｃ ｃ ｄＥ ｇｎ ｅ ｉ ， ｅ ￣ ｌ ｏ ｔ ｉｅｓ ｙ Ｃ ａ ｇ ｈ １ ８ ， ｈｎ ） ｅ ｏＩ ｏ ｅ ａ ｎ ｔ ０
关健词 ：语义 Ｗｅ ；本体 ； ｂ 概念特征 ；特征属性 ； 语义相 似度
Ｓ ｍ ａ ｔｃＳ ｍ ｉ ｒ ｔ ａ ｃ ｌ ｔｏ ｈ ｄ ｅ ｎ ｉ ｉ ｌ ｉｙ Ｃａ ｕ ａ ｉ ｎ Ｍ ｅ ｏ Ｃ ａ ｌ ｔＯ Ｂａ ｅ ｎ Ｃｏ ｃ ｐ ａ ｕ ｅ ｓ ｄ０ ｎ ｅ ｔ Ｆｅ ｔ ｒ
Ｃ ｎｅｔ的多少来确定概 念之 间的相 似程度 。这 些方法依据 ｏ ｔｎ） 概 念 Ｃ在某个指定文档 中出现 的频率给每一 个概念关联一个
概 率 ｐｃ ，然后将每个概念的概率 的负对数 似然值作 为这个 （） 概 念的信息量，即 Ｉ （） ｌｇ （） 基 于距离的方法一般先 Ｃ ｃ ＝一ｏ ｐｃ 。
重点课程建设基 金资助项 目（９ ０７ １ １３ ０ ９ １６ — １３ ４ ０ １ ）
作者倚 介：唐雅媛（ ８一） 女 ， １２ ， ９ 讲师、硕士研究 生，主研方向 ： 语
义 网，本体 ； 徐德智 ， 教授 、博士 后 ；赖 收稿 日期 ：２ １－０ １ ０ １１—７ 雅 ， 士研究生 硕 Ｅ ｍ ｉ ａ ａｃｕ ２ ． ｍ － ａ ：ｌ ｙ＿ ｓ ＠１ ６ ｏ ｌ ｉ ｃ
第３ ８卷 第 ５期
Ｖ０ － ８ ｌ３
・
计
算
机
工
程
２１ ０ ２年 ３月
Ｍ ａ ｃ ２ ２ ｒ ｈ ０１
ＮＯ． ５
Ｃｏ ｐｕ ｅ ｇ ｎ ｅ ｉ ｍ ｔｒＥｎ ｉ ｅ ｒｎｇ
人 工智 能Biblioteka Baidu 识别 技 术 ・
文章编号：１ －４８０２ ５ ７ ３ 文献标识码： ０ ． ２（ １０— ｌｏ ｏ ３ ２ ） Ａ
计算 ２个概念 间的语义距离 ，然后将距离转换成相 似度值 ， 该方法 主要考 虑将 ２个概念分开的边 的个数 ，将 ２ 个概念分
看概念的属性显然不够 ，因为属性 无法 反映概念 最本质 的含
基 金项 目： 国家 自 然科 学基金 资助项 目（ ９ ０ ９ ） 中南大学研究生 ６ ７０６； ０
中圈分类号： Ｐ９． Ｔ ３１ １
基 于概 念 特征 的语 义相 似 度计 算 方 法
唐雅嫒 Ｌ ，徐德智 ，赖 雅
（． １ 湖南科技学院计算机与通信工程系 ，湖南 永州 ４ ５ ０ ；２ 中南大学信息科学与工程学院，长沙 ４ ０ ８ ） ２ １０ ． １０ ３
摘
要： 现有语义相似度计算 方法没有充分利 用本体 中的语义信息 ，且计算方法复杂 。为此 ， 出一种基于概念特征 的语义相似度计算 方 提
图 １ 本体片段 图
因此， 个概念 Ｃ Ｃ的相似度为它们的特征集合 ｆ Ｃ ２ ｉ ， 和 （）
和 ， ｃ） ｆ，的相似度，本文采用以集合的交的元素个数除以集
合 的并 的元素个数来求 ２个集合 的相似度 ，因此 ，本文定义 ２个概念 的相似度计算公式为 ：
来得到 ２个概念 的相 似度值 。另外 ，文献【—】 ５６也是研 究概念 相似度计算 的方法 ，用到 了很多数学中理论 ，如粗糙 集、形 式概念分析、贝叶斯估计等 ， 是以上方法都存在一些缺点 ： 但
高信息检索 的精 度…、发现不 同本体 中实体之 间的映射 ，以 及 用于大规模 本体的分块和模块 。随着语义 Ｗｅ 的快速 发 ｂ 展 ，近几年来本体的数 目越来越多 ，本体规模 也不断增 大， 迫切地需要一种更为精确且简便的概念相似度计算方法来计 算单个本体 中概念之 问的语义相似度 。因此 ，本文提出一种
相 同的属性 ，即名字、性别、年龄、 出生地、生 日等 ，仔细 分析 上文 列出的属性 ，很显然 ，名字 、年龄、 出生地、 生 日
等属性信 息并 不能 区分 ｈ ｍａ 为 ｍａ ｕ ｎ ｎ还是 ｆｍａ ， ｅ ｌ 唯一能够 ｅ 区分它们 的属性是性 别 ，因此 ，根据 定义 ｌ和定义 ２ ，性别 为 ｍａ ｎ和 ｆｍａｅ的特征属性 ，性别所取 的值 即为 ｍａ ｅ ｌ ｎ和 ｆｍａｅ的特征 。 ｅ ｌ 当然这个概念特征 是基于 ｍａ ｎ和 ｆｍａｅ ｅ ｌ 都是 ｈ ｍａ ｕ ｎ的基础 上， ｍａ 即 ｎ和 ｆｍａ ｅ ｌ ｅ的特征属性包含了 ｈ ｍａ ｕ ｎ
ｃ ｍｐ ｔ ｔｏ ， ｈ ｓｐ ｐ ｒｐ ｏ ｏ ｅ ｅ ｓ ｍ ａ ｔｃ ｓｍｉａ ｔ ｔ ｃ ｃ ｌｕｌｔｏ ｔ ｏ ａ ｅ ｎ ｔ ｅ ｆ ａ ｕ ｅ ｏ ｏ ｃ ｐ ，ｗｈｉｈ ｍａ ｅ ｕ ｌ ｓ ｆ ｔ ｅ ｏ ｕ ａｉ ｎ ｔ ｉ ａ ｅ ｒ ｐ ｓ ｓａ ｎ ｗ ｅ ｎ ｉ ｉ ｌｒ ｙ ｍｅ ｒ ａ ｃ ａｉ ｎ ｍｅ ｈ ｄ ｂ ｓ ｄ ｏ ｈ ｅ ｔ ｒ ｆｃ ｎ ｅ ｔ ｉ ｉ ｃ ｋ ｓｆｌ ｕ ｅｏ ｈ
ｆｍａ ，依据 上述对概念属性 的理解 ，ｈ ｍａ、ｍａ ｅ ｌ ｅ ｕ ｎ ｎ和 ｆｍａ ｅ ｌ ｅ 这 ３ 个概念都包含 同样 的属性 ，为了去区分这 ３个概 念 ，光
距离的方法 和基于背景 向量 的方法 等。基 于概 念信息量
的方法一般通过考察概念所包含 的信 息量 ／Ｏ ｆｒ ａｏ Ｃ ｎ ｍ ｔｎ ｏ ｉ
定义 １ 能够 用 来 区分 概念 的属性 被 称为 概念 的特征
属 性。
的特征 集合 再加上一个其独有 的特征。
定义 ２概 念的特征 属性所取的值 称为特征 ， 特征能够用
来区分概念 。 每个概念都能够 用一组 清晰的特征 来描述 ，例如生物的 特征集为 ｛ 生命 的物 体、能进行新陈代谢、能够生长繁殖和 有 发 育 ｝ 为 了 便 于 理 解 ， 同样 采 用 以上 例 子 加 以说 明 ， 由于 。 ｍａ ｎ和 ｆｍａｅ都是 ｈ ｍａ ｅ ｌ ｕ ｎ的子 类，因此它们具有与 ｈ ｍａ ｕ ｎ
ＤＯＩ ０３ ６￣ｉｓ．０ ０３２ ． １ ． ． ２ ：１．９ ９ ． ｎ１０ —４ ８２ ２０ ０ ｓ ０ ５ ５
１ 概 述
概念语义相似度计算在很多领域都有着广 泛的应 用，如
人工智能、 自然语言处理以及认 知科 学。相似 度计算能够提
将概念表示成向量的形式 ，然 后通过计 算向量夹 角的余弦值
ｉ ｆ ｒ ｔ ｎ ｏ ｎ ｏ ｏ ｙ ｓｒ ｃｕ ｅ ｔ ｅ ｐ ｅ ｓ ｓ ｅ ｃ ｏ ｃ ｐ ｓ ａ ｓ ｔ ｏ ｅ ｔ ｒ ｓ ａ ｃ ｒ ｉ ｏ ｔ ｅ ｈ ｅ ａ ｃ ｙ ｏ ｎ ｏ ｏ ｙ ｎｄ ｉ ｔｏ ｕ ｅ ｄ ｈ ｎ ｏ ｍａ ｉ ｆ ｏ ｔ ｌ ｇ ｔｕ ｔ ｒ ．Ｉ ｘ ｒ ｓ ｅ ａ ｈ ｃ ｎ ｅ ｔ ａ ｅ ｆ ｆ ａ ｕ ｅ ｃ ｏ ｄ ｎｇ ｔ ｉ ｒ ｒ ｈ ｆ ｏ ｔ ｌ ｇ ，ａ ｎ ｒ ｄ ｃ ｓ ａ ｗｉ ｔ ｏ ｈ ｉ ｆｕ ｎ ｉ ｇ ｆ ｃ ｏ ｓ ｔ ｏ ｆ ｃ ｅ ｔ ｏｆ ｅ ｃ ｅ ｔ ｒ ．Ｉ ｏ ｔ ｉ ｈ ｓ ｍ ａ ｔ ｓｍｉａ ｉ ｈ ｏ ｇ ａｃ ｌ ｔ ｇ ｔ ｅ ｉ ｌ ｒｔ ｅ ｗｅ ｎ ｔ ｅ ｓ ｔ ｎ ｅ ｃ ｎ ａ ｔ ｒ ａ ｈｅ ｃ ｅ ｌ ｉ ｉ ｎ ａ ｈ ｆ ａ ｕ ｅ ｔ ｂ ａ ｎｓ ｔ ｅ ｅ ｎ ｉ ｉ ｌ ｔ ｔ ｒ ｕ ｈ ｃ ｌｕ ａｉ ｈ ｓｍｉａ ｉ ｂ ｔ ｅ ｗｏ ｓ ｔ ．Ｉ ｃ ｒ ｙ ｎ ｙ ｉ ｔｏ ｕ ｅ ｅ ｔ ｎ ｕ ｎ ｉ ｇ ｆ ｃ ｏ ， ｎ ｍｅ ｄ ｈ ｅ ｎ ｉ ｔｉ ｏ ａｍ ｏ ｅ ｕ ｄ ｒ ｔｎ ａ ｌ ｏ ｍ ． ｅ ｒ ｔｃ ｌ ｎ ｌ ｓｓａ ｄ ｅ ｐ ｒｍ ｅ ｔ ｌｒ ｓ ｌｓ ｎ ｒ ｄ ｃ ｓａ ｄ ｐ ｈ ｉ ｆ ｅ ｃ ｎ ａ ｔ ｒ ａ ｄ ａ ｎ ｓ ｔ ｅ ｓ ｍａ ｔ ｍｅ ｒｃ ｔ ｒ ｎ ｅ ｓ ａ ｄ ｂ ｅ ｆ ｒ Ｔｈ ｏ ｅ ｉａ ａ ｙ ｉ ｎ ｘ ｅ ｉ ｎ ａ ｅ ｕ ｔ ｌ ｃ ａ
ｓｏ ａ ｅ ｔｃｉｓｍｐｅ ａｄｔｅｒｓｌ ｒ ｌｓ ｕ ｎ ｕ ｇ ｎ． ｈ ｗ ｔ ｔｈ ｒ ｈ ｔ ｍｅ ｉ ｓ ｉ ｌ，ｎ ｕｔ ａｅ ｏｅｔ ｈ ｍａ ｄ ｍｅ ｔ ｈ ｅ ｓ ｃ Ｏ ｊ
［ ｙｗ ｒ ｓ ｅ ｎｉ Ｗｅ ；ｎｏｏ ｙ ｃ ｎｅ ｔｅｔｒ；ｅｔｒ ｔｉｕｅ ｓｍａ ｔ ｉ ｌ ｉ Ｋｅ ｏ ｄ ］ｓｍａ ｔ ｂ ｏ ｔｌｇ ； ｏ ｃｐ ａｕｅ ｆａ ｅａｒ ｔ；ｅ ｎｉ ｓ ａ ｔ ｃ ｆ ｕ ｔｂ ｃ ｍｉ ｒｙ
法。 根据概念在 本体 中的层 次结构来确定特征集合 ，引入宽度影 响因子 ，给每个特征 赋予不同的权 值 ， 通过 计算 ２ 个概念特征集合 问的相
似度得 到概念的相似度 ，引入深度影响因子 ，将相似度公 式表示成更直观 的形式 。实验结果表明 ，该方法计 算简便 ，且 比较接近 人类主观
的判断值 。
开的边的个数越 多 ，概 念间的距离就越 大，概念 的相 似度就
越小 。基于 背景向量 的方法通 过统计概 念在 文档 的出现频率
第３卷 ８
第５ 期
唐雅媛 ，徐德 智 ，赖
雅 ：基于概念特征 的语义相似度计算方法
１１ ７
义 。因此 ，本文引入一些新的概念 ，其定义 如下 ：
代 表一个特征。一个概念 的特征集合为它 的直接父概念结点