一种新的本体概念词汇语义相似度求解方法与流程

本发明涉及语义网络技术领域，具体涉及一种新的本体概念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。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个概念共享信息程度，具有较高的理论严谨性，但是只能粗略地量化概念间的语义相似度，不能实现概念语义相似度的细致细分；另一种方法是基于距离的方法，该方法以概念之间路径的长短作为衡量语义距离的长短，通过计算两概念间的语义距离来实现概念语义相似度的计算，该方法简单、直观，但忽略了影响语义距离的其他很多因素。针对上述方法的缺陷，概念语义相似度不仅与语义距离有关系，而且还受概念在本体树中层次深度、以及待比较词间词形相似度等综合因子的影响，为了满足上述需求，本发明提出了一种新的本体概念词汇语义相似度求解方法。

技术实现要素：

针对如何更精准获得每一个术语的相似术语问题以及考虑词形、本体概念、本体概念共同祖先深度等影响因子，本发明提供了一种新的本体概念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的相似度gaisim(g₁，g₂)。

步骤6：待比较词(c₁，c₂)之间的词形相似度xingsim(c₁，c₂)。

步骤7：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)对两待比较词(c₁，c₂)相似度的影响，构造影响因子函数D(c₁，c₂)_标准化。

步骤8：综合上述步骤，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、深度与密度等因素，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。

4、又考虑了词语本身具有的词形相似度、语义相似度结果的准确度得到了更好提高。

5、各种影响因子的数据处理更规范。

6、更符合实际应用效果。

附图说明

图1为一种新的本体概念词汇语义相似度求解方法结构流程图。

具体实施方式

为解决更精准获得每一个术语的相似术语问题以及考虑词形、本体概念、本体概念共同祖先深度等影响因子，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(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(c₁，c₂)则越具体，更方便计算待比较词(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的相似度gaisim(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，…，y_n)，c₂对应深度最大的本体概念g₂中含有m个义原，即g₂∈(y₁′，y₂′，…，y_m′)。

分别两两计算g₁与g₂中义原的相似度，即sim(y_i，y_j′)，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义原平均相似度averageS_i，即

最后得到两本体概念间义原项的相似度sim(g₁，g₂)，如下：

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。

对相对深度deepth(g₁，g₂)进行归一化处理，即得

α为调节因子，由领域专家给定。

5.3)计算待比较词(c₁，c₂)对应深度最大的两本体概念间的相似度gaisim(g₁，g₂)

步骤6：待比较词(c₁，c₂)之间的词形相似度xingsim(c₁，c₂)，需先知词长相似率与词性相似率，其具体计算过程如下：

6.1)词长相似率rateword(c₁，c₂)

6.2)词性相似率wordsim(c₁，c₂)

上式n为待比较词(c₁，c₂)中词性相似个数，len(c₁)为词c₁的长度，len(c₂)为c₂的长度。

6.3)待比较词(c₁，c₂)之间的词形相似度xingsim(c₁，c₂)

步骤7：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对两待比较词(c₁，c₂)相似度的影响，构造影响因子函数D(c₁，c₂)_标准化：

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。

这里可以构造两因子，即：

根据两因子得到深度D(c₁，c₂)对两待比较词(c₁，c₂)相似度的影响，有下式：

β为深度深度D(c₁，c₂)对词语相似度的影响系数，β∈(0，1)，其取值可以通过试验得到，这里β越大则表示词语共同祖先的深度对相似度的影响越大，反之影响越小。

步骤8：综合上述步骤，计算两待比较词C∈(c₁，c₂)的相似度sim(c₁，c₂)，其具体求解过程如下：

上式

所以

一种新的本体概念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C∈(c₁，c₂)

输出：待比较词C∈(c₁，c₂)相似度sim(c₁，c₂)。