基于本体和相似图的概念语义相似度计算

合集下载

一种基于本体的句子相似度计算方法

Ａｂｓｔｒａｃｔｈｉｓａｅｒｒｏｏｓｅｄｓｅｎｔｅｎｃｅｓｉｍｉｌａｒｉｔｃｏｍｕｔｉｎｂａｓｅｄｏｎｏｎｔｏｌｏ．ＵｓｉｎｔｈｅｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎｔｈｅｏｎｔｏｌＴ－ｐｐｐｐｙｐｇｇｙｇｏｃｏｎｃｅｔｓａｎｄｋｅｗｏｒｄｓｉｎｔｈｅｓｅｎｔｅｎｃｅｓｔｏｅｓｔａｂｌｉｓｈｓｅｍａｎｔｉｃｉｎｄｅｘｔｏｅｘｔｒａｃｔｔｈｅｄｉｒｅｃｔａｎｄｉｎｄｉｒｅｃｔｓｅｍａｎｔｉｃｒｅｌａ－ｇｙｐｙ，，ｔｉｏｎｏｎｔｏｌｏｂａｓｅｄｓｅｍａｎｔｉｃｖｅｃｔｏｒｗａｓｒｅｒｅｓｅｎｔｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｂｅｔｗｅｅｎｓｅｎｔｅｎｃｅｓｔｈｕｓｔｈｅｇｙｐｙｓｅｎｔｅｎｃｅｓｉｍｉｌａｒｉｔｃｏｍｕｔｉｎｍｅｔｈｏｄｗａｓｒｏｏｓｅｄ．ＴｈｉｓｍｅｔｈｏｄｉｓａｌｉｅｄｉｎｔｈｅＭｉｃｒｏｓｏｆｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆａｒａ－ｙｐｇｐｐｐｐｐ，ｈｒａｓｅｃｏｒｕｓ（ＭＳＲＰ）．Ｅｘｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｃｏｍａｒｅｄｗｉｔｈｔｈｅｒｅｌａｔｅｄｓｉｍｉｌａｒｉｔｃｏｍｕｔｉｎｍｅｔｈｏｄｓｔｈｉｓｍｅｔｈｏｄｐｐｐｐｙｐｇａｃｃｕｒａｃａｎｄｒｅｃａｌｌｒａｔｅｉｎｔｈｅｉｎｃｏｍｌｅｔｅａｄｄｉｔｉｏｎａｌｉｎｆｏｒｍａｔｉｏｎｂａｃｋｒｏｕｎｄ．ｏｂｔａｉｎｓｏｏｄｙｐｇｇ，，ＫｅｗｏｒｄｓｅｎｔｅｎｃｅｓｉｍｉｌａｒｉｔｃｏｍｕｔｉｎＯｎｔｏｌｏＷｏｒｄＮｅｔＳｙｐｇｇｙｙ随时获取到。在这种情况下，这些简短段落或句子之间的相似度只能从有限的表述中提取。本文研究如何仅通过本体结构所表达出来的概念间的语义关系来计算句子的相似度。

自动更新的本体概念语义相似度计算

王栋，吴军华：可以自动更新的本体概念语义相似度计算2009,30(19)44190引言词语相似度计算在自然语言处理、智能检索、文档聚类、文档分类等很多领域起很重要的基础作用。

概念之间的语义相似度计算是自然语言处理研究的一个重要组成部分，也是人工智能应用中亟待解决的问题[1]。

本体之间的语义相似度应该随着时间的变化和知识的更新而变化。

比如，现在大部分人在网上搜索“苹果”这个词的时候，根本不是想着“苹果是一种水果”，而是作为“计算机”、“手机”之类的电子产品。

最近“Google ”出了一款手机，那么“Google ”和“手机”就应该联系在一起，而它们之前没什么联系。

本文提出了一种自动实时更新的本体概念之间语义相似度计算方法，利用知网的结构严谨和搜索引擎来提高算法的性能，并进行了实验比较。

1相关理论1.1本体本体(Ontology )已经成为语义Web 、知识工程、数据集成、人工智能、信息检索等研究领域的热门课题。

本体原来被哲学家用来描述事务的本质。

1993年，Tom Gruber 提出本体的一个公认的定义，即“本体是概念模型的明确的规范说明”，Gruber 还提出了构造本体的5条准则。

后来，Brost 在其基础上稍作修改，提出更明确定义：“本体是共享概念模型的形式化规范说明”。

Studer 等人在此进行了深入的研究后，认为本体是共享概念模型的明确的形式化规范说明。

这包含了4层含义：概念化、明确化、形式化和共享。

很多研究人员从实践出发，提出了不少有益于构造本体的标准用来指导人们构造本体，其中最有影响力的是Gruber 在1995年提出的构造本体的5条准则：清晰性、完全性、一致性、最大单调可扩展性、最小承诺和最小编码偏好。

5条准则给出了构造本体的基本思路，但不足之处是非常模糊和难以掌握。

后来，不少研究人员给出补充，其中最著名的是Arpirez 提出的3个规则：概念名称命名标准化、概念层次多样化、和语义距离最小化。

一种基于本体概念语义相似度的查询优化方法

ｅｔｅａｅｉｐｏｅ．Ｓａｃｎｉｅｃｎｅｅｔｅｙｓｅｕａｅｕｅ ’ ｍｔｎｏｔｏｖｈｒｂｅｗｈｃｓｔａｈｎｔｓＣｉｉｎｂｍｒｖｄｅｒｈｅｇｎａｆｃｖｌｐｃｌｔｓｒｓｉｅｔｍｏｓｌｅｔｅｐｏｌｍｉｈｉｈｔｔｅｉｔａｉｏａｅｒｈｎｉｅａｔｎｅｓｎｔｅｓｒｓｎｅｔｎｅｆｃｙＡｑｕｒｒｆｍｅｓｓｅｉｄｅｉｎｅａｒｄｔｎｌａｃｅｇｃｎ’ ｉｓｎｕｄｒｔｄｈｕｅ ’ ａｉｔｎｏｐｒｄｉｅｅｙｅｎｅｎｔｙｔｍｓｉｓｇｄｎｄ
．
ｉｍｐｌｍｅｅ，ｔｅｅｐｅｉｅｔｔｏｒｓｌｓｓｗｈｅｓｓｅａｔｉｅｑｒｎｔｅｉｉｎｌ．ｅｎｔｄｈｘｒｍｎａｎｅｕｔｈｏｔｙｔｍｃｎｏｐｉｚｕｅｙｉｐｕｆｃｅｔｙｉｍ
Ｋｅｒｓｑｅｙｒｆｅｎ；ｏｃｐｍａｔｍｉｒ；ｒｎｔｙｗｏｄ：ｕｒｉｍｅｔｃｎｅｔｅｎｃｓｌｉｗｏｄｅｅｎｓｉｉａｔｙ
一
种基于本体概ຫໍສະໝຸດ 念语义相似度的查询优化方法
孙航
４５０）７００（开封大学管理科学学院，南开封河
摘
要：文章提出一种优化查询方法，该方法将本体概念语义相似度和词法之间的关系相结合。先利用语法特征对用户输

语义相似度的计算方法研究论文

语义相似度的计算方法研究信息与计算科学余牛指导教师：冉延平摘要语义相似度计算在信息检索、信息抽取、文本分类、词义排歧、基于实例的机器翻译等很多领域中都有广泛的应用．特别是近几十年来随着Internet技术的高速发展,语义相似度计算成为自然语言处理和信息检索研究的重要组成部分．本文介绍了几种典型的语义相似度的计算方法，总结了语义相似度计算的两类策略,其中重点介绍了一种基于树状结构中语义词典Hownet的语义相似度计算方法，最后对两类主要策略进行了简单的比较．关键词语义相似度;语义距离;知网;语料库The Reseach of Computing Methods about Semantic SimilarityYU Niu(Department of Mathematics and Statistics,Tianshui Normal University , 741000) Abstract Semantic similarity is broadly used in many applications such as information retrieval, information extraction, text classification, word sense disambiguation, example-based machine translation and so on．Especially with the rapid development of Internet technology in recent decades, Calculation of semantic similarity has always been an important part of natural language processing and information retrieval research .This paper introduces several main methods of calculating semantic similarity , then two strategies of semantic similarity measurement are summarized, and we focuse on the Hownet based on the stucture of tree and use them to calculate the semantic similarity ,and finally the two strategies are easily compared .Key words Semantic similarity, Semantic distance,Hownet, Corpus1引言语义相似度计算研究的是用什么样的方法来计算或比较两个词语的相似性．自然语言的词语之间有着非常复杂的关系，在实际应用中，有时需要把这种复杂的关系用一种简单的数量来度量，而语义相似度就是其中的一种．词语的语义相似度计算主要有两种方法:一类是通过语义词典,把有关词语的概念组织在一个树形的结构中来计算;另一类主要是通过词语上下文的信息（本文只介绍了主要的理论方法）,运用统计的方法进行求解．对于前一类基于树状层次结构的计算语义相似度方法的研究已经比较成熟,国外的Dekang Lin ]1[, Rudi L .Cilibrasi ]2[等都给出了自己的比较合理的语义相似度计算公式和方法;国内这方面起步较晚,但发展很快,董振东]3[,刘群,李素建]4[等在这方面的研究做了很多开创性的工作,李峰]5[,杨哲]6[,李熙]7[,夏天]8[等后来者做了很多补充性和改进性的工作．针对以上研究现状,笔者对当前的语义相似度研究成果进行了简单的归纳和总结,然后对相关方法进行了简单比较，并提出了研究的应用方向，以供相关研究人员参考和应用． 2语义相似度什么是语义相似度?语义相似度是一个主观性相当强的概念，没有明确的客观标准可以衡量．脱离具体的应用去谈论语义相似度，很难得到一个统一的定义．由于词语在语言结构中的一般性,我们着重研究词语的相似度,进而推广到句子,以致整个文本的相似度． Dekang Lin ]1[认为任何两个词语的相似度取决于它们的共性(Commonality )和个性(Differentces ),然后从信息论的角度给出了定义公式: )),((log )),((log ),(B A n descriptio p B A Common p B A Sim (1) 其中，分子表示描述B A ,共性所需要的信息量；分母表示完整地描述B A ,所需要的信息量．刘群,李素建]4[以基于实例的机器翻译为背景，认为语义相似度就是两个词语在不同的上下文中可以互相替换使用而不改变文本的句法语义结构的程度．两个词语，如果在不同的上下文中可以互相替换且不改变文本的句法语义结构的可能性越大，二者的相似度就越高，否则相似度就越低．对于两个词语 21W W 、，如果我们记其相似度为 ),(21W W Sim ，其词语距离为),(21W W Dis ，根据刘群,李素建]4[的公式： ),(),(2121W W Dis W W Sim +=αα（2）其中α是一个可调节的参数．α的含义是：当相似度为 0．5 时的词语距离值．笔者尝试从树论的角度给出一个定义,假设任意两个词语21W W 、可以表示为一个树形结构中(如同义词词典Wordnet 即为这种树形结构)的两个结点,由于语义距离(),(21W W Dis )与语义相似度(),(21W W Sim )成反比例关系。

一种本体概念的语义相似度计算方法

一种本体概念的语义相似度计算方法李文清;孙新;张常有;冯烨【期刊名称】《自动化学报》【年(卷),期】2012(038)002【摘要】概念语义相似度已广泛应用于Web服务发现、本体映射等领域,但现有的概念语义相似度计算方法对概念间语义相似程度的区分不够细致.本文从本体结构出发,首先提出了自底向上的本体概念出现概率计算方法,并在此基础上改进了基于节点信息量的概念语义相似性度量方法；然后又设计了基于边计算的本体概念语义相似度计算方法；最后对上述两种方法线性加权,提出了一种加权的本体概念语义相似度计算方法.实验结果表明该方法能进一步正确区分本体中父子概念及兄弟概念间的相似程度.%Concept semantic similarity is wildly used in web service matchmaking, ontology mapping and so on. But the existing concepts semantic similarity measuring methods cannot distinguish the similarities further. So in this paper, we firstly propose a bottom-up concept probability computation method based on ontology structure, and based on this probability, we improve an information content based semantic similarity method. Then, we design an edge based concept semantic similarity method. Finally, we linearly combine the two previous semantic similarity methods to form a weighted one. Result shows that the weighted one can distinguish similarity between concept and its children, or between siblings.【总页数】7页(P229-235)【作者】李文清;孙新;张常有;冯烨【作者单位】北京理工大学计算机学院北京 100081;北京理工大学计算机学院北京 100081;北京理工大学计算机学院北京 100081;石家庄铁道大学信息科学技术学院石家庄 050043;北京控制工程研究所北京 100190【正文语种】中文【相关文献】1.一种改进的本体概念语义相似度计算方法 [J], 吴星同;翁燕;朱婷;陈中育2.一种改进的本体概念语义相似度计算方法 [J], 吴星同;翁燕;朱婷;陈中育3.一种综合加权的本体概念语义相似度计算方法 [J], 甘明鑫;窦雪;王道平;江瑞4.一种新的本体的概念语义相似度计算方法 [J], 孙铁利;邢元元;关煜;陈斯娅;杨凤芹;孙红光;5.一种新的本体的概念语义相似度计算方法 [J], 孙铁利;邢元元;关煜;陈斯娅;杨凤芹;孙红光因版权原因，仅展示原文概要，查看原文内容请购买。

基于概念相似度计算的语义Web服务发现方法

ｉｇｔｅｓｍａｔｃｄｓａｃｆｔｏｃｐｓｎｈｅｎｉｉｔｎｅｏｗｏｃｎｅｔ．Ｔｈｘｅｉｎｒｖｓｔａｕｔｏｓｍｏｅｒａｏａｌｎｃｕａｅｅｅｐｒｍｅｔｐｏｅｈｔｏｒｍｅｈｄｉｒｅｓｎｂｅａｄａｃｒｔ．
ｏｎｏｏｙａｄｆｎｌａｃｌｔｓｔｅｓｍｉｒｔｅｗｅｎｔｅｒｑｅｔａｄｔｅｃｎｉａｅｓｒｉｅ．Ｔｈｒｄｔｎｌｌｏｉｍｆｎｏｔｌｇｎｉａｌｃｌｕａｅｈｉｌｉｙｂｔｅｈｅｕｓｎｈａｄｄｔｅｖｃｓｙａｅｔａｉｉａｇｒｈｏｏａｔ
Ａｂｔａｔｓｒｃ：Ｔｈｓｐｐｒｐｅｅｔｎａｇｒｔｍｆｍｅｓｒｇｓｍｉｒｙｉｅｎｉｂｓｒｉｅｍａｃｍａｉｇｗｈｃａｅｉａｅｒｓｎｓａｌｏｉｈｏａｕｉｉｌｉｓｍａｔｃｗｅｅｖｃｔｈｋｎｉｈｉｂｓｄｎａｔｎｓ
ＸＵ－ｈ，ＱＵａＤｅｚｉＰｎ
（ｎｔｕｅｏｎｏｍａｉｍｃｅｃｎｎｉｅｒｎＩｓｉｔｆＩｆｒｔｔｏＳｉｎｅａｄＥｇｎｅｉｇ，Ｃｎｒ１ＳｕｈＵｎｖｒｉＣｈｎｓａＨｕａ４０８，ｈｎ）ｅｔａｏｔｉｅｓｔｙ，ａｇｈｎｎ１０３Ｃｉａ
１引言
ｔｓｅｔｎｏａｃｕｔｈｈｒａｃｅａｉｎｈｐａｄｅｐｃａｌｌ — ｉｈｒａｃｍｏｇｃｎｅｔ，ｗｈｃｋｓａｌｈＷＯａｐｃｓｉｔｃｏｎ：ｔｅｉｅｉｎｅｒｌｔｓｉｎｓｅｉｌｍｕｔｎｅｉｎｅａｎｏｃｐｓｎｔｏｙｉｔｉｈｍａｅｌｔｅ

一种综合加权的本体概念语义相似度计算方法_甘明鑫

学者所关注。分析现有基于本体的概念语义相似度计算方法的工作原理和优缺点，提出一种对概念共享路径的重合度和概念最低共同祖先节点的深度进行综合加权的概念语义相似度算法。该算法灵活简便、可扩展性强，能够应用于不同类型的本体。使用基因本体和植物本体的部分数据进行了实验并与两种现有算法进行了比较，实验结果证明了提出的计算方法的正确性和有效性。关键词：语义相似度；本体；有向无环图文章编号： 1002-8331 （2012） 17-0148-06 文献标识码： A 中图分类号： TP391 息。然而，传统的语义相似度计算方法一般从概念的外在特征入手，偏向于自然语言描述，其计算结果往往偏离了概念原本的语义。为克服这一缺点，基于本体（Ontology）计算语义相似度的方法最近在人工智能、软件工程、情报学、语义网、生物信息学等信
甘明鑫，窦雪，王道平，等：一种综合加权的本体概念语义相似度计算方法
2012，究和应用。本体是对特定领域知识的抽象化和形式化描述，通过为领域中的概念提供标准化的词汇表来实现对概念及其相互关系的结构化描述 [1]。它能够对概念及概念间的联系形成准确的表达，将概念分类层面上的词汇语境、语义等信息综合考虑进来，形成概念的语义网络。由于本体具有相对稳定的结构关系和强大的知识表述能力，因而具有比基于自然语言处理的方法更容易进行计算和分析等优势。基于本体的概念语义相似度是指本体中两个概念在语义上的相似程度，计算时除了概念的表面特征，还需考虑分类学角度的概念语境信息。本文首先对目前基于本体计算概念语义相似度的方法进行综述，分析现有方法的原理和不足，然后提出一种综合考虑在本体结构中概念共享路径的重合程度和最低共同祖先节点的深度的概念语义相似度算法，最后通过基因本体和植物本体验证了算法的有效性和可扩展性。

基于Wup的语义相似度计算的全局本体语义分析方法

ｈｔｒｇｎｉｙｉｈｆｌｄｏｅｅｏｅｅｔｄｔｉｔｇａｉｎ，ｓｈａｍａｔｏｏｏｅｅｏｅｅｔｎｔｅｉｅｆｈｔｒｇｎｉａａｎｅｒｔｏｙｕｃｓｎｙｍｅｈｄｆｃｍｐｕｉｇｉｌｒｔ．ｔｎｓｍｉｉｙａＦｕｔｅｍｏｅｗｅｐｏｏｅａｃｍｐｉｇｆａｆＷｕｅｎｉｉｌｒｔｏｒｓｌｅｔｅｔｒｎｏｏｉａｒｂｌｍｆｒｈｒｒ，ｒｐｓｏｕｔｎｍｅｏｐｓｍａｔｃｓｍｉａｉｔｅｏｖｈｅｍｌｙｉｌｇｃｌｐｏｅｏｔｎｏｏｉｓＷｅａｓｒｐｏｅａｓｍｎｉｎａｙｉｐｐｏｃｏｃｎｓｒｃｈｌｂｌｎｏｏｙｗｏｏｔｌｇｅ．ｌｏｐｏｓｅａｔｃａｌｓｓａｒａｈｔｏｔｕｔｅｇｏａｔｌｇ．ｔｏＫｅｒｓｈｅｅｏｎｏｓｄｔ；ｎｏｏｙ；ｉｌｒｔｔｒｎｏｏｉａｙｗｏｄ：ｔｒｇｅｅｕａｏｔｌｇｓｍａｉｅｍａｉｙ；ｉｌｇｃｌ
ＴＥＲＭＩＮｏＬｏＧＩＣＡＬＢＡＳＥＤｏＮＴＥＲＭＩｏＬｏＧＩＮＣＡＬＩＩＳＭＬＡＲＩＴＹＣｏＭＰＵＴＩＧＦＵＰＮｏＷ
ＸＩＸｉｎｇＣｈｅＥｏ．ｎｇ，ＬＩｉＪａ，ＹＵＡＮＵＺｈ．ｉＣｈａ — ｎｇＡｎ
收稿日期：２１ — ００；修改日期：２１ — ２１００１－８００１—２基金项目：国家自然科学基金（０６０２资助项目；广西新世纪十百千人才工程专项基金（０６２）６７３１）＃２０２０作者简介：＋谢雄程（９２）１７一，男，湖南祁阳人，讲师，主要从事网络安全技术研究（－ａｌｘｈｎ＠１３ｏ）Ｅｍｉｘｃｅｇ６．ｍ；：ｃ元昌安（９２）１７一，男，广西南宁人，硕士生导师，主要从事数据挖掘技术研究【－ｉｙａｘｃｄ．Ｅｍａ：＠ｇｔ．ｕ）ｌｃｅ；刘之家（９２）１７一，男，广西金陵人，讲师，主要从事网络与实验技术研究（ — ａｌｘｚ１３１６ｏ．Ｅｍｉｇｌ２＠２ｍ）：ｊｃ

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)。

领域本体和形式概念分析虽然两者不同，它们但
收稿日期：０１Ｏ — ３修回日期：０１０ —１２１一１１；２１— ４４
建立都是对概念进行建模，主要有三个方面：差异（）１两者建模的对象不同，前者为现实建模，后者
为人工世界建模；
Ｔｅｒｓｌｆｐｌｄｃｓｈｗｓｈｏｕｔｎｒｓｌｒｉｅｔａｔｕｎｓｂｅｔｅｕｇｎ．ｈｓｔｏｆｃｖｒｏ — ｈｅｕｔｏｐｉａｅｓｏｅｃｍｐｔｉｕｔａｅｄｎｃｗｉｈｍａｕｊｃｖｄｍｅｔＴｉｍｅｄｉｅｅｔｅｆｎｓａｅｔａｏｅｓｉｌｈｉｊｈｓｉｏｃ
ａｉｉａｒｐｈｎｄＳｍｌｒＧａ
ＺＨＡＮＧａ — ｕｎ，ＷＡＮＧ－ｇＸｉｏｌａＸｉ￣ｎ
（ｅａｍｅｔｆｏｕｅｃｎｅＢｏｉｏｌｅｏｒ＆ＳｉｎｅＢｏｉ２０６ＣｉａＤｐｒｎｍｐｔＳｉｃ。ａｊＣｌｇｆｔｔｏＣｒｅｅＡｓｃｃ。ａｊ７１１。ｈｎ）ｅ
ｉｅｓｏｏｉｎｏｏｙａｄＦｄａｆｄｍａｎｏｔｌｇＣＡｏｃｍｐｔｈｅｎｔｃｓｍｌｒｔｙｔｅｄｆｎｔｎｆｔｅｓｍｌｒｇａｈａｄｃｎｉａｅａｔｉｕｅｔｎｔｏｕｅｔｅｓｍａｉｉａｉｂｅｉｏｓｏｉａｒｐｎａｄｄｔｔｂｔｓｓ．ｉｙｈｉｉｈｉｒｅ
支持用户在给定数据的基础上进行领域分析和建模。ＦＡ作为一种对人工世界进行建模的工具无可Ｃ
替代的优势，它具有分析能力、述能力和图形化能描
性的集合，集合 Ⅳ是Ｓ的子集 Ⅳ Ｓ，具有中所有属性的对象的集合可以表示为 Ⅳ ：＝｛ｄ￡ＤＩＶｓ∈Ｎ，
接近的结果。
关键词：领域本体；式概念分析；似图；相似度形相语义中图分类号：ｉ９Ｔｔ１３文献标识码：Ａ文章编号：６３６９２１）８００ — ４１７ —２Ｘ（０１０ — １１０
ＣｏｃｐｅａｔｃＳｍｉｒｔｍｐｔｔｏｓｄｏｔｌｇｎｅｔＳｍｎｉｉｌｉＣｏｕａｉｎＢａｅｎＯｎｏｏｙａｙ
ｅｐｅｍａｔｉｌｒｔｏｕｔｎａｄｇｔｔｅｃｏｓｅｎｔｃｅｓｌｓｆｏｕｒ ’ｒｑｅｔ．ｔｓｎｃｓｍｉｉｃｍｐｔｉｉａｙａｏｎｅｈｌｓｔｓｍａｉｓｒｕｔｒｍｓｓｅｕｓｓｅｅ
度计算是计算句子相似度的基础。概念相似度是一个
主观性较强的概念，有非常明确的客观标准可以衡没
量。目前，概念语义相似度计算已广泛应用在数据挖掘、信息提取、自动问答系统、文本分类、索等诸多领检域，成为当今人工智能领域研究的一个热点。
对集合等定义提出概念语义相似度计算方法，最后通过一个应用实例验证算法的可行性。
涵。形式背景（ＳＧＤ，，）所有形式概念的集合表示为
（ＳＧ。Ｄ，，）
Ｄｆｉｏ：ｅｎｉ４对于（。Ｎ）和（，２ｉｔｎ肘，。 Ⅳ ）两个概
Ｋｅｒｓ：ｏｙｗｏｄｄｍｍｎｏｔｌｇｆｒｌｏｃｐａｙｉ；ｉｌｒｐｎｏｏｙ；ｏｍａｃｎｅｔａｌｓｓｓｍｉｇａｈ；ｓｍａｔｃｓｍｌｒｔｎｒａｅｎｉｉａｉｉｙ
Ｏ引言
概念就是反映事物类的本质属性及其分子的思维
Ｒｅ￣ｍｎｍｇｔｅｅｉｔｄｃｎｅｔｍｏｅｉｇｉｅｓａｄｔｏｓｏｅｔｅｓｍａｔｉｌｒｔｏｕｔｎｍｅｈｏｍａｏｃｐｎｙｃｈｘｓｏｃｐｄｌｄａｎｏｌａｃｍｐｔｖｅｎｔｉｉｅｎｃｓｍｉｉｃｍｐｔｉｔｏｉｆｒｌｃｎｅｔａａ－ｉａｙａｏｄｎｌ
于自然语言处理领域的基础课题，中文信息处理应是
用中迫切需要去解决的关键技术。传统的基于本体的概念语义相似度计算方法主要分为２种 “ ：一种是基于信息论的方法，该方法利用信息论来计算２个概念共享信息的程度，具有较高的理论严谨性，但是只能
作、可靠性的能力有很大的意义。本体的哲学本原可
２概念语义相似度的计算
２１相似图的定义．
以理解为对一个系统的说明或者解释，是对客观存在
的现实本质的抽象。不同的人对本体有着不同的理
解，现在广为认可的是由Ｂｒ提出的一种观点… ：ｏｓｔ
念，Ｅ若。
，（，Ⅳ ）被称为（，２则，Ｉ Ⅳ ）的子概
念，，２（Ｎ）被称为（。Ｎ）的超概念，作（ｆ，Ｍ，。记Ｊ。ｊｌ
１预备知识
１１本体（ｎｏｇ）．Ｏｔｌｙｏ
Ｎ）≤ （，２偏序关系 ≤ 称为形式概念之间的Ｉ Ⅳ ），
，，）其中ＥＤ，Ｓ如果满足Ｅ＝，，＝Ｅ，，，且则
Ｅ称为形式概念（，Ｅ，）的外延，称为形式概念的内，
思想和形式概念分析（ｏｍａＣｎｅｔｎｙｉ，ＣＦｒｌｏｃｐａｓＦＡ）Ａｌｓ的思想计算ＦＡ中的概念语义相似度。首先分析了Ｃ领域本体中的相似关系，然后结合相似图和候选属性
ｄｓ｝Ｇ。Ｄｆｉｏ：式概念简称概念，一个序偶（ｅｎｉ３形ｉｔｎ是Ｅ，
力。文中的研究目的在于探索ＦＡ中概念语义相似Ｃ
度的计算方法，为进一步的研究奠定基础。鉴于上述原因，出了一种概念语义相似度的计提算方法，借鉴现有概念的建模思想和工具，应用本体的
ＡｂｔａｔＲｓａｃｎｃｎｅｔｍａｔｉｌｒｏｕｔｎｉｏｅｏｅｍｏｔａｉａｄｉｏｔｔｕｊｃｓｎａｔｃａｉｔｌｇｎｅｓｒｃ：ｅｅｒｈＯｏｃｐｅｓｎｉｓａｉｃｍｐｔｉｎｆｈｓｂｓｎｍｐｒｎｂｅｔｉｒｆｉｅｌｅｃ．ｃｍｉｔｙａｏｓｔｃａｓｉｌｎｉｉ
粗略地量化概念之间的语义相似度，不能实现概念语
义相似度的细致区分；另一种方法是基于语义距离
形式，是人们认识世界的基础和一种形式化的规范说明，以将概念看作汉语语言文字中的词语 …。词语可
是汉语最基本的语法和语义的单位，词语的语义相似
多年来，对概念的语义相似性计算的研究一直属
的方法，该方法以概念之间路径的长短作为衡量语义
距离的长短，通过计算两个概念之间的语义距离来实现概念语义相似度的计算，方法简单、该直观，但忽略
了影响语义距离的其他很多因素Ｊ。
处理。
（）２两者强调的内容不一样，前者强调概念的内涵，后者认为概念的外延和内涵都很重要，概念分别将
从内涵和外延两方面进行描述；
・
１２・０ ຫໍສະໝຸດ 计算机技术与发展第２ｌ卷
（）３目的不同，前者支持知识密集型应用，后者是
Ｄｆｉｏ：ｅｎｉ２Ｄ和表示对象的集合，中是Ｄｉｔｎ其的子集ＭＤ，合肘中的所有对象具有的共同属性集可以表示为：ｓ∈ＳＩｄｓＳ表示属＝｛ｄＥＭ，Ｇ｝；Ｖ
第２卷ｌ
第８期
计算机技术与发展
ＣＯＭＰＥＲＥＣＨＮＯＬＵＴＴＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
２１年８月０１
Ｖｏ｜１Ｎ．ｌ２ｏ８Ａｕ．２１ｇ０１
基于本体和相似图的概念语义相似度计算
基金项目：陕西省自然科学基础研究计划基金资助项目（０５１）２０Ｆ１；陕西省教育厅专项科研计划基金资助项目（５Ｋ３）宝鸡文理学０Ｊ１７；
院院级重点科研项目（Ｋ０６）Ｚ１１７
作者简介：张晓孪（９８，，１７－）女陕西宝鸡人，讲师，硕士，主要研究方向为人工智能；王西锋，讲师，硕士，主要研究方向为网络信息
序。按此方式建立的（ＳＧＤ，，）所有形式概念的集合
表示为（ＳＧ称做形式背景（ＳＧＤ，，），Ｄ，，）的概念
格。
近年来，本体在知识共享、能信息检索、智数字图
书馆、语义Ｗｅｂ和信息集成等方面有着广泛的应用，对实现知识的重用和共享、提高系统间互相通讯、互操
张晓孪，王西锋