基于WordNet的語義相似度算法改進(jìn)研究
2016-05-14 15:48:59沈國祥
軟件導(dǎo)刊 2016年5期
沈國祥
摘要：本體匹配解決了本體異構(gòu)問題，作為本體匹配的關(guān)鍵技術(shù)，相似度算法決定了匹配的精度和效率。WordNet中概念節(jié)點(diǎn)的語義距離常作為相似度算法的依據(jù)。設(shè)計(jì)了一種新的語義距離計(jì)算方法及相似度算法，并以此搭建一個本體匹配框架進(jìn)行了驗(yàn)證。
關(guān)鍵詞：本體匹配；WordNet；語義距離；語義相似度
DOIDOI：10.11907/rjdk.161033
中圖分類號：TP312
文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2016）005-0034-04
0 引言
隨著Internet的發(fā)展，語義Web技術(shù)解決了海量信息與高效利用之間的突出矛盾。語義Web通過在資源信息中加入語義信息，使信息的內(nèi)容與表示分離處理，為描述的信息賦予了良好的語義，實(shí)現(xiàn)了計(jì)算機(jī)對海量信息處理的自動化和智能化，極大提高了信息使用效率。
作為語義Web中的關(guān)鍵技術(shù)，本體得到了越來越廣泛的應(yīng)用，本體已經(jīng)成為語義Web中知識表示的標(biāo)準(zhǔn)。為了實(shí)現(xiàn)語義信息共享，各個領(lǐng)域紛紛定義了相應(yīng)的本體標(biāo)準(zhǔn)，但本體構(gòu)造一直沒有一個統(tǒng)一的規(guī)范和標(biāo)準(zhǔn)，從而導(dǎo)致本體存在各種異構(gòu)問題。為了更有效地使用和重用本體來完成信息交換與集成任務(wù)，就必須找出不同本體之間的映射關(guān)系，即本體匹配技術(shù)。
根據(jù)文獻(xiàn)[1]對本體匹配流程的描述，可以將本體匹配總結(jié)為5個步驟：①本體特征（概念、關(guān)系、屬性等）提??；②選擇本體匹配的實(shí)體對；③語義相似度計(jì)算；④人工干預(yù)；⑤匹配輸出，其中相似度計(jì)算是整個流程的核心技術(shù)，也是本文研究的主要內(nèi)容。對于相似度計(jì)算可以從自然語言、字符串、本體結(jié)構(gòu)信息、本體推理等多角度進(jìn)行。
本體匹配技術(shù)研究及本體匹配系統(tǒng)構(gòu)建取得了一批成果。目前，常見的本體匹配有基于語言學(xué)特征、基于結(jié)構(gòu)和基于實(shí)例等多種方法。
1 WordNet簡介
WordNet[2]是在美國普林斯頓大學(xué)G. Miller教授的指導(dǎo)下，由心理學(xué)家、語言學(xué)家和計(jì)算機(jī)工程師聯(lián)合設(shè)計(jì)的一種基于認(rèn)知語言學(xué)的英語詞典，是基于語言特征的本體匹配方法中常用的外部資源。
WordNet使用同義詞集合代表概念，詞匯關(guān)系在詞語之間體現(xiàn)，語義關(guān)系在概念之間體現(xiàn)。雖然WordNet中存在著多種語義關(guān)系，如同義關(guān)系、反義關(guān)系、整體與部
分關(guān)系等，但is-a關(guān)系是WordNet中最重要的一種關(guān)系，所有的名詞概念和動詞概念都可以通過這種關(guān)系來聯(lián)接，如圖1所示。本文所研究的語義相似度計(jì)算都是基于這種關(guān)系的。
3 改進(jìn)的相似度算法
總結(jié)以上研究成果，每種方法都對后面的研究作出了一定的貢獻(xiàn)，同時也存在一些不足。因?yàn)橄嗨贫扔?jì)算本身就是一個主觀性較強(qiáng)的工作，理解上的相異導(dǎo)致算法的不同也就不足為奇了。
針對現(xiàn)有方法的不足，在分析前人成果的基礎(chǔ)上，加上筆者的理解，提出了一種基于WordNet的新的相似度算法。該相似度算法改進(jìn)了現(xiàn)有算法的某些不足，降低了計(jì)算復(fù)雜度，并且把相似度的值限制在[0，1]范圍之內(nèi)。在詳細(xì)描述本文算法之前，先介紹本文中改進(jìn)算法所依據(jù)的概念、假設(shè)等。正如語義相似度具有主觀性一樣，這些概念和假設(shè)具有一定的主觀性而不一定具有普遍性。
3.1 相關(guān)假設(shè)假設(shè)1：語義距離和語義相似度具有反比性，即語義距離越大，相似度越小；語義距離越小，相似度越大。
假設(shè)2：假如兩個概念的語義距離為0，則相似度為1。
假設(shè)3：假設(shè)某一概念是父概念的唯一分類，則兩個概念間的語義距離為0。
假設(shè)4：WordNet語義樹中相同詞性的兩個概念，相似度不為0；兩個詞性不同的概念，相似度為0。
假設(shè)5：兩個概念的語義相似度不僅與語義距離相關(guān)，而且與它們所處的深度相關(guān)。
3.2 相關(guān)概念
概念1：直接語義距離。直接語義距離是指兩個具有直接或間接上下級關(guān)系的節(jié)點(diǎn)間語義距離，其中一個節(jié)點(diǎn)是另一個節(jié)點(diǎn)的祖先節(jié)點(diǎn)，例如節(jié)點(diǎn)
概念2：間接語義距離。
間接語義距離是指不具有上下級關(guān)系的兩個概念節(jié)點(diǎn)之間的距離，由各自節(jié)點(diǎn)與公共祖先節(jié)點(diǎn)的直接語義距離相加。例如節(jié)點(diǎn)
可以發(fā)現(xiàn)，改進(jìn)的相似算法與其它兩種算法在相似度趨勢上基本保持一致，驗(yàn)證了改進(jìn)后的算法具有一定的合理性和科學(xué)性。從整體結(jié)果來看，改進(jìn)后的算法在查全率和查準(zhǔn)率上比其它兩種方法均有所提高，證明改進(jìn)后的算法具有一定實(shí)際意義。
4 結(jié)語
作為本體匹配的關(guān)鍵技術(shù)，相似度計(jì)算直接對本體匹配的結(jié)果有著決定性影響。不可否認(rèn)的是，相似度是一個主觀性較強(qiáng)的概念，因此在相似度計(jì)算中所用語義距離及其它相關(guān)的概念和認(rèn)識也具有一定的主觀性。
本文通過對前人基于WordNet的相似度算法研究，形成了一種改進(jìn)算法，并以此建立一個本體匹配的框架進(jìn)行驗(yàn)證。僅基于WordNet的本體匹配算法在匹配效果上不一定令人滿意。因此，要將該算法應(yīng)用于實(shí)際工作中，還需要與其它類型的算法綜合考慮，以提高匹配精度和廣度，這正是需要進(jìn)一步研究的工作。
參考文獻(xiàn)：
[1]M EHRIG，S STAAB.QOM：Quick ontology mapping[C]. In Proeeedings of the Intemational Semantic Web Conference（ISWC），2004：683-697.
[2]梁健，吳丹. 種子概念方法及其在基于文本的本體學(xué)習(xí)中的應(yīng)用[J]. 圖書情報工作， 2006，50（9）：18-21.
[3]WU Z ，PALMER M. Verb Semantics and Lexical Selection[C]. In Proeeedings of the 32nd Annual Meeting of the Association for Computational Linguistics，Las Cruces，New Mexico，1994：133-138.
[4]PHILIP RESNIK.Using information content to evaluate semantic similarity[C].In Proceedings of the 14th Intemational Joint Conference on Artificial Intelligence，1995：102-119.
[5]JIANG J，CONRATH D.Semantic similarity based on corpus statistics and lexical taxonomy[C].In Proeeedings of Intemational Conferenee on Researeh in Computational Linguistics，Taiwan，1997：19-33.
[6]LIN， DEKANG.An information-theoretic definition of similarity[C].In Proeeedings of the 15th International Conference on Machine Leaming，Madison，WI，1998：296-304.
[7]KALYANPUR A，PARSIA B，HORRIDGE M，et al.Finding all justications of OWL DL entailments[C].In Proceedings of ISWC，2007：267-280.
（責(zé)任編輯：杜能鋼）
