本发明涉及语义网络技术领域,具体涉及一种基于本体概念的词汇语义相似度求解方法。
背景技术:
目前,很多学者在关注本体概念相似度的计算方法,相似度问题在哲学、语义学等多个学科中被深入的研究和分析。前人主要从概念的名称、属性、结构等方面来综合考虑概念的相似度。之前有先将概念相似度计算分为两层:“初始相似度”和“通过非上下位关系体现的相似度”,前者主要利用概念之间的距离计算得到,后者则是在前人计算的基础上,通过概念的非上下位关系计算得到;再综合二者就可得到领域本体内概念的实际相似度。除此之外,还有主要通过概念间的上下位关系以及其它因素来计算领域内部概念之间的语义相似度。例如,有人提出了一种综合的相似度计算方法,即先根据两个概念名称的相似性过滤出最相关的概念;再分别基于概念实例、概念属性和概念关系计算概念相似度,并进行综合。虽然现今许多应用由于使用海量数据可以在某种程度上掩盖这个问题,但在很多情况下,海量数据我的方式并不适用,忽略了语义研究使得计算得到的结果和人的主观感受的差异常常是谬以千里。故而语义的相似度计算在这种情况下就显得尤为重要了,如果可以获得每一个词语的相似词语,通过对相似词语的查询,无疑可以提高用户信息共享的效果,为了满足上述需求,本发明提出了一种基于本体概念的词汇语义相似度求解方法。
技术实现要素:
针对如何获得每一个术语的相似术语问题,本发明提供了基于本体概念的词汇语义相似度求解方法。
为了解决上述问题,本发明是通过以下技术方案实现的:
步骤1:初始化统计方法模块。
步骤2:将待比较词(c1,c2)输入初始化统计方法模块中。
步骤3:将待比较词(c1,c2)映射到本体概念模块中。
步骤4:分别选取待比较词(c1,c2)对应深度最大的本体概念g1、g2。
步骤5:计算待比较词(c1,c2)对应深度最大的两本体概念间距离dis(g1,g2)。
步骤6:经过上述步骤,计算两待比较词(c1,c2)最近共同祖先的深度D(c1,c2)。
步骤7:计算两待比较词(c1,c2)的相似度sim(c1,c2)。
本发明有益效果是:
1、此计算词汇相似度方法在量化概念上更接近专家的经验值
2、此方法更充分、更综合考虑了待比较词(c1,c2)对应深度最大的本体概念间的距离、深度等因素,大大的提高了语义相似度结果的准确度。
3、更好的提高了本体推理的效果。
附图说明
图1基于本体概念的词汇语义相似度求解方法结构流程图
具体实施方式
为解决如何获得每一个术语的相似术语问题,结合图1对本发明进行了详细说明,其具体实施步骤如下:
步骤1:初始化统计方法模块。
步骤2:将待比较词(c1,c2)输入初始化统计方法模块中。
步骤3:将待比较词(c1,c2)映射到本体概念模块中。
步骤4:分别选取待比较词(c1,c2)对应深度最大的本体概念g1、g2,其具体描述如下:
待比较词C∈(c1,c2)与概念之间是一对多的关系,当选取的概念深度越深,则待比较词C∈(c1,c2)则越具体,更方便计算待比较词C∈(c1,c2)的语义相似度。这个深度在统计模块块中很容易找到,例如在《知网》中找到词语对应的本体概念。
步骤5:计算待比较词(c1,c2)对应深度最大的两本体概念间距离dis(g1,g2),需先求两本体概念间义原项的相似度sim(g1,g2),再计算两本体概念间相对深度deepth(g1,g2),具体计算过程如下:
5.1)两本体概念间义原项的相似度sim(g1,g2)
设c1对应深度最大的本体概念g1中含有n个义原,即g1∈(y1,y2,…,yn),c2对应深度最大的本体概念g2中含有m个义原,即g2∈(y1′,y2′,…,ym′)。
分别两两计算g1与g2中义原的相似度,即sim(yi,yj′),i∈(1,2,…,n)、j∈(1,2,…,m),可以得g1与g2中义原项相似度矩阵J(g1,g2),如下:
根据上述矩阵找出每个行向量中最大的义原相似度Si,即
最后得到两本体概念间义原项的相似度sim(g1,g2),如下:
sim(g1,g2)=max(S1,S2,…,Sn)
5.2)计算两本体概念间相对深度deepth(g1,g2)
deepth(g1,g2)=d1-d2
上式d1为c1对应深度最大的本体概念g1在模块中的深度值,同理d2为c2对应深度最大的本体概念g2在模块中的深度值,这个根据模块可以很容易得出。
5.3)计算待比较词(c1,c2)对应深度最大的两本体概念间距离dis(g1,g2)
上式α为平滑因子,这个由专家根据具体情况,具体给定。
步骤6:经过上述步骤,计算两待比较词(c1,c2)最近共同祖先的深度D(c1,c2),具体描述如下:
根据模块,可以找到两待比较词(c1,c2)最近共同祖先的深度D(c1,c2)。这里两待比较词(c1,c2)最近共同祖先深度越靠近底层,代表两待比较词(c1,c2)越相近。
步骤7:计算两待比较词(c1,c2)的相似度sim(c1,c2),其具体计算过程如下:
上式β为权重因子,当β>0.5时,共同祖先的深度D(c1,c2)对相似度sim(c1,c2)的影响较大,否则,两本体概念间距离dis(g1,g2)对相似度sim(c1,c2)的影响较大。根据经验可得,后者对sim(c1,c2)影响更大。
基于本体概念的词汇语义相似度求解方法,其伪代码计算过程:
输入:初始化模块,待比较词(c1,c2)
输出:待比较词(c1,c2)相似度sim(c1,c2)。