一种改进的概念语义相似度计算方法

Ｃ ｕｔ ） ∑ Ｃ ｕｔ ） ｏ ｎ（ ＋ Ｃ ｏ ｎ（ Ｃ’
Ｐ Ｃ） （ ＝ Ｃ
目前 ，对 于语义相 似度的计算主要 有概 念信息量 法 和概念距离法 Ｊ信息量法通过计算 ２个概念的共同父概念 。 所含信息量的大小 来确 定概念 间的语义相似度 ，但 所得相似
度不能更细致地区分概念 间语义 的差别 ；距离法将概念 间的 语义距离转化为语义相 似度 ，但语义距离的计算主要基于路 径 的长度 ，在路径长度相 同时不能很好地 区分相似度大小。
第 ３ 卷 第 ｌ ８ ２期
Ｖｌ ． ０ ３８ １
・
计
算
机
工
程
２１ ０ ２年 ６月
Ｊ ｎ ２ ２ ｕ ｅ ０１
Ｎ ｏ．２ １
Ｃｏ ｍｐｕ ｅ ｇｉ ｅ ｉｇ ｔｒＥｎ ｎｅ ｒｎ
人工智能及识别技术 ・
一
文 编 ０ ． ４ （１ ｌ － ７＿３ 文 标 码 章 号ｔ ０ ３ ８０ ）—０ 岳 ０ １ ２２ ２ ２ ｌ 一 献 识 ｔ Ａ
１ 概 述 随着语义 Ｗｅ ｂ服务及语义 网格服务应用的不断深入 ， 服
务匹配在服务发现和服务组合研究中的地位 日渐重要 ，而 同
一
概念 的细化 ， 语义枝干的密度不尽相 同， 密度越高分类越细 ，
语义相似度相对越小 ， 概念越相似 ， 故加入 “ 密度” 的制约 。 （） ３ 引入不对称 因子 。在有向边 的关系类型 中，有些概念 间的相似 度是不对称的 ， 为解决不对称性造成 的不精确问题 ， 因此 ，加入 “ 不对称因子” 的制约 。
ｏ ｎ（ ） ｕ ｔＴ
则概 念 Ｃ所包含 的信 息量为 ：Ｉ ｏＣ ＝一ｇＰ Ｃ），其 中 ， ｎ （） ｌ （） ｆ （ Ｈ（ ） Ｃ， 代表 Ｃ 是 Ｃ的子概念 ；Ｐ Ｃ 为概 念 ｃ在整个概念 Ｃ ’ （）
集 中的发 生概率 ； Ｃ ｕｔ ） ｏ ｎ（ 为概 念 Ｃ在 本体 中的 出现 次 Ｃ 数 ； Ｃ ｕｔ ） ｏ ｎ（ 为本体 中的概念 总数 。由于概念可能 以不 同 Ｔ
［ ｂ ｔａ ｔ ｍｉｇａ ｅｐｏ ｌ ｏ ｅｏ ｅｓ ｅ ｄｉｃ ｍｐｅｅｎｔｒ ｒｈ ｕｒｎ ｏ ｃｐ ｉ ｌ ｉ ｏ ｕａｉｎ ｔｉ ｐｐ ｒ ｒｓｎｓａ Ａ ｓｒｃ］Ａｉ ｎ ｔｈ ｒｂｅ ｆｈ ｎ —ｉ ｄａ ｏ ｌ ａ ｅｆ ｅｃｒ ｔ ｎ ｅｔ ｍｉｒｙｃ ｍｐ ｔｔ ， ｓ ａｅ ｅｅ ｔ ｎ ｔ ｍ ｔ ｄ ｎ ｎ ｔ ｕ ｏｔ ｅ ｃ ｓ ａｔ ｏ ｈ ｐ
Ｉ ｐ ｏ ｅ ｎ ｅ ｔ ｅ ａ ｔ ｉ ｉ ｒｔ ｍ ｐ ｔ ｔｏ ｅ ｈ ｄ ｍ ｒ ｖ ｄ Ｃｏ ｃ ｐ ｍ ｎ ｉ Ｓ ｍ ｌ ｉ Ｃｏ Ｓ ｃ ａ ｙ ｕ ａ ｉ ｎＭ ｔ ｏ
Ｚ ＡＮＧＹ ｎｘａ Ｚ ＮＧ ｉｇｊ ｎ Ｐ Ｎ Ｌ－ｕ Ｘ ＥＢｎ ｈ ｎ ， ＨＥ ｉ ｈ ｏ Ｈ ａ －ｉ， ＨＡ Ｙｎ － ， Ａ ｉ ， Ｉ ｉ－ｏ ｇ Ｃ Ｎ Ｌ－ ａ ｕ ｈ ｃ
中 分 号； Ｐ１ 圈 类 Ｔ３１
源自文库
种 改进 的概 念 语 义相似 度 计 算 方法
张艳霞 ，张英俊 ，藩理虎 ，谢斌红 ，陈立 潮
（ 太原科技 大学计算机科 学与技术 学院 ，太原 ０ ０ ２ ） ３０４
摘
娶 ：针对 当前概念相似度计算 的片面性和不完善性等不足，提 出一种改进的基于语义距离的概念 间语义相 似度计 算方法 。从有向边包
不 同，那 么各个连通节点之间的语义相 似度不尽相 同，本文
二元关系等多种关系 ，如 ： “ｒｉ ｆ ｔ ｕ ”和 “ｐ ｌ”之 间是一种 ａｐｅ
基金疆 目： 山西省 自 然科学基金资 助项 目 ２ ０ ０ １２ 一） 山西省教 （０ ９ １０ ２ １； 育厅 Ｕ Ｔ 基金 资助项 目；太原科 技大学研究 生创 新基金资 助项 目 Ｉ
ｉ ｏ ｔ ｎ ａｅ ｔ ｄ ｄ ｔ ｃ—ａｅ ｅ ｏ ｄ ｅ ｕ ａ ｂ ｃ ｖ ｄ ｍ ｎ ｒ ｕ ｏ ｅ ａ ｔ ｓ ｔ ｄ ｓｅｓ ｌａ ｄ ａ ｄ ｎ ｒ ｉ — ｓ ｍｅ ｏ ， ｉ ａ ｅ ｓｄ ｔ ｄ ｍ ｓ ｊ ｔ ｅ ｕ ｇ ｅ ｔ ｅ ｌ ｒ ｓｈ ｔ ｉｍｅ ｏ ａ ｂ ｌ ． ｆ ｍａｏ ｂ ｄ ｈ ｓｎ ｂ ｍ ｈ ａ ｔ ｈ ｎ ｕ ｅｉ ｊ ｎ ｈ ， ｓ ｔ ｖ ｔ ｈ ｉ ｆ ｉ ｅ ｖ ｉ ｐ ｈ ｎ
其中 ， 表示调节参数，为非负实数，可以通过调整 值来
满足不同系统 的需要 ， 增加相似度函数对不同应 用的适应性。
２５ 语义相似度 的不对称性分析 ． 在语义 匹配中，概念相似度存在一定程度的不对 称性 是 显然的 ， 并且 匹配是有方 向的 ，因此 ，在考察概念 的匹配 时， 要特别考虑 ２个概念之间的匹配方向。如在 图 ２中，如果检 索 “ ｌ ｔｓ ｕ ｔ ｅ ，则 其子概念 “ ｌ ｔ ｐａ ｔ ｃ ｒ” ｎ ｒ ｕ ｐａ ”会获得较高的权 ｎ
含的信息量、有 向边 的类型 以及概念密度 ３ 个方面对语义距离进行 扩展，将语义距离转换成语义相 似度 ， 通过 引入不对称 因子 ，使最终概 念语义相似度计算更加精确。 将该方法与基于 信息量 方法、 基于 距离方法及人 的主观判断结果进行 比较 ， 验证 了该方法 的可行性和有效性 。
关健词 ：本体 ；语义相似度 ； 语义 距离；语义密度 ；权重 ；不对称 因子
［ ｙｗｏ ｄ ｏ ｔｌｇ ；ｅ ｎｔ ｍｉ ｔ；ｅ ｎｔ ｉ ａｃ ；ｅ ｎ ｔ ｅ ｓ ； ｉｈ； ｉ ｙ Ｋｅ ｒ ｓ ｎｏｏｙ ｓｍａ ｉ ｓ ｌ ｙ ｓｍａ ｉ ｄｓ ｎｅ ｓｍａ ｉ ｄｎｉ ｗｅ ｔｄｓ ｍｍｅｒ ａｔｒ ｉ ｃ ｉ ￣ｉ ｃ ｔ ｃ ｙ ｔ ｇ ｓ ｔ ｆｃｏ ｙ Ｄ ： ０３ ６￣ｉ ｎ１０ —４ ８２ １． ．５ ＯＩ １ ．９９ ．ｓ ０ ０３ ２ ．０ ２１ ０２ ｓ ２
（０ １０ ３ ２ １ １２ ）
作者倚介 ： 张艳霞（９ ５ ， ， １ ８ 一） 女 硕士 研究生，主研方向 ： 语义相似 度计 算 ； 张英 俊 ，教 授级高级工 程师 ；潘理虎 ，副教 授、博士 ； 谢斌红 ，讲师、硕 士 ；陈立潮，教 授 收藕 日期 ：２ １－ １ ｌ ０ １ｌ— ０ Ｅ ｍａ ：ｚ ４ ３ ８ ９ ｉ ． ｍ － ｉ ￣ １ １２ ＠ｓ ａ ｏ ｌ ｎｃ
型对语义距离的影响。关系函数表示 如下 ：
Ｒ Ｖ ＿ ＾： （ ÷ ｃ） 一 一Ｍａ ｒ Ｍ ｉ ｒ — ｘ － ｎ Ⅳ（ ， Ｇ）
—
间语义 相似度为 ： Ｓ ＡＢ ｅ（， ，本文给 出如下定义进行 ｉ ， ） ０１ ｍ（ ）
语义 距离到语义相似度的转换 ： Ｊ
Ｓｍ Ａ Ｂ ＝ × —ｉａ ， ｉ Ｄ（ ， ） ｅＤｔ‘ ｓ ￣ （ ４ ）
领 域本体 中概念 间的匹配度主要 是由 ２个概念 间的相似度
来衡 量 ，在计算相似度时 ，最直观 的方法是基于 ２个概念节
点在本体 结构 中的语义距离。这里 的语义距离是指 ２个概念 的相近程度 ，一般说来 ，２个概念问的语义距离越小 ，它们 的语义越 相近 ，反之越远。
２１ 加权语义距离 ． 定义 概念 Ｃ的信息量 记为 ： Ｊ
ｉ ｒ ｖ ｄｃ ｎ ｅ ｔ ｅ ｎｉ ｍｉ ｒ ｏ ｕａｉｎｍｅ ｏ ｉ ａ ｅ ｎ ｓｍａ ｔ ｉ ａ ｃ ．ｔ ｐｅ ｄ ｅ ｎ ｉ ｄｓ ｎ ｅｆ ｍ ｒｅｓ ｅ ｆ ｅ ｍｐ ｏ ｅ ｏ ｃ ｐ ｍａ ｔ ｓ ｌ ｉ ｃ ｍｐ ｔｔ ｔ ｄｗｈｃ ｉ ｂ ｓｄ ｏ ｅ ｎ ｉ ｄ ｓ ｅ Ｉ ｓ ｒａ ｓ ｍａ ｔ ｉ ｃ ｏ ｔ ｅ ｉ ｓ ｓ ｃ ｉ ａｔ ｙ ｏ ｈ ｈｓ ｃ ｔ ｎ ｓ ｃ ｔ ａ ｒ ｈ ｄ ｏｔ ｈ ｉｆｒ ｔ ｎ ｃ ｎａｎ ｄｉ ｉ ｃｅ ｄ ｅ ｔ ｅｄｒｃｅ ｄ ｅ ｙ ｅａ ｄｃ ｎ ｅ ｔ ｅ ｓ ，ｕ ｎ ｍａ ｔ ｉ ａ ｃ ｅ ｎｉ ｓ ｌｒ ． ｅｓｍｅｔ ， ｎ ｏｍａｉ ｏ ｔｉｅ ｄ ｒ ｔｄｅ ｇ ， ｉ ｔｄｅ ｇ ｐ ｎ ｏ ｃ ｐ ｎ ｉ ｔｒ ｓ ｅ ｎｉ ｄｓ ｎ ｅｔ ｓｍａ ｔ ｉ ａｉ Ａｔ ａ ｍｅ ｏ ｎ ｅ ｈ ｅ ｔ ｄ ｙ ｔ ｓ ｃ ｔ ｏ ｃ ｍｉ ｔ ｙ ｈ ｔ ｉ ｔｉ ｐ ｐ ｒ ｎｒ ｄ ｃ ｓｔｅｄｓｙ ｈｓ ａ ｅ ｔ ｕ ｅ ｉ ｍｍｅｒ ｃｏ ， ｎ ｋ ｓ ｅｌ ｔ ｏ ｃ ｐ ｅ ｎ ｔ ｉ ｌ ｉ ｏ ｕａｉｎｍｏｅｅ ａ ｔ Ｃ ｍｐ ｒ ｇ ｔｉ ｍｅ ｏ ｔ ｉ ｏ ｈ ｓ ｔ ｆ ｔｒ ａ ｄ ｍａ ｅ ｓ ｎ ｅ ｔ ｍａ ｉ ｓｍｉ ｒ ｃ ｍｐ ｔ ｏ ｒ ｘ ｃ． ｏ ａｉ ｓ ｔ ｄｗｉ ｙ ａ ｈ ｔ ａ ｃ ｓ ｃ ａｔ ｙ ｔ ｎ ｈ ｈ ｈ
（ ｓｔｔ ｆ ｏ ｕｅ ｃｅｃ ｄ ｅｈ ｏｏ ｙＴ ｉｕ ｎＵ ｉｅｓｙｏ ｉｎｅ ｎ ｅｈ ｏｏ ， ａｙ ａ ３ ０ ４ Ｃ ｉａ Ｉ ｔｕｅｏ ｍｐ ｔｒ ｉｎ ｅ ｎ ｃ ｎ ｌｇ， ａｙ ａ ｎｖ ｒｉ ｆ ｃｅ ｃ ｄＴ ｃｎ ｌｇ Ｔ ｉ ｎ ０ ０ ２ ， ｈｎ） ｎ ｉ Ｃ Ｓ ａ Ｔ ｔ Ｓ ａ ｙ ｕ
值 ，而检索 “ ｌ ｔ ，其父概念 “ｌｎ ｓ ｕ ｔｒ” 由于还包 ｐａ ” ｎ ｐａｔ ｔ ｃ ｅ ｒ ｕ
，， ｃ）
其 中，＿ ÷ 表示关系类型 ；Ｍａｒ Ｍｉ ｘ 和 Ｇ是某种 关系的可能最 大、 最小权重 ；Ⅳ （ 表 示从 ｃ 出发的 ｒ ， Ｇ） ｌ 关系的有向边之和。
抽象层次 的形式出现，计算概念 的总 出现次数 时应累加其所
有子概念 的出现次数。
向边 ｅｇ （１ ２ 所包含 的信息量为有 向边 Ｇ 到 的信 ｄｅＣ， ） Ｃ
息 量 之 差 ，记 为 ：
Ｉ （ ｇ（ ｃ）＝Ｉ ｏ ｉ Ｉｏｃ） Ｃｅ ｅ ｄ Ｇ，２ Ｉ （ ） ｎ （２ ） ｎ Ｃ一ｆ ｆ Ｉ
用有 向边所包含的信息量及有 向边的类型来描述边 的权重 。
（） ２引入概念密度 。本体 层次结构 中，下层概念是对上层
第３ 卷 ８
第 １ 期 ２
张艳霞 ，张英俊 ，潘理虎 ，等 ：一种 改进 的概念语义相 似度计算 方法
１７ ７
继承 关系 ， “ ｌ ｈ ｓ ｃｏ ｅ”和 “ｋｒ ｔ ｓｉ”之 间是一种 整体和部 分关 ｔ
系 ， “ ｅｅａｌ” 和 “ ｉ ｍｉ” 之 间是 ｅｅ ｎｏｉｉ 二 元 ｖ ｇｔｂｅ ｖｔ ｎ ａ ｌ ｍｅ ｔｒ ｎ的 ｇ
Ｂ， 它们之间的语义距离为：Ｄｓ ，） （ ｌ） 而它们之 ｉＡＢｅ ｏ ， ， （ ，＿
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
本文综合考虑本体结构特征和概念 的特点及多种语义因素 的 影 响，提 出一种领域本体间基于语义距离 的概念语义 相似度 计算 方法 。考虑有向边 的类 型、有 向边包含的信息量及概 念 密度对语义距离的影响 ，进而得到语义相似度 ，同时考虑概
念相似度 间不对称性的问题 ，可使计算结果更精确 。