改进的本体概念相似度计算模型.docx

改进的本体概念相似度计算模型
摘要：本体映射能很好地解决语义网中的本体异构性问题，其核心在于计算本体概念的相似度。针对现有的概念相似度计算的精度和查准率不高，提出一种改进的概念相似度计算模型。首先利用本体特征之间的偏序关系建立形式背景和概念格，然后在结构层次求出概念间的交不可约元集，并通过对集合里各元素的语义关系进行量化计算出概念间的相似度。实例和分析结果表明，改进的概念相似度计算模型在F Score上有明显提高。
关键词：语义网；本体映射；概念相似度；概念格
0引言
自1998年Berners Lee等[1]提出语义网以来，语义网已经用于人工智能的许多领域。本体是语义网的基础，它可以用于描述计算机处理数据的语义信息。但是关于本体的构建目前还没有统一的规范，各个领域定义了相应的本体标准，因而存在本体异构性问题。
本体映射能很好地解决本体异构性问题，它是建立两个本体的实体（概念、关系、实例和属性）之间的语义关系的过程，同时也是本体集成、本体对齐和本体合并的技术基础。本体映射的核心内容是本体概念的相似度计算，主要分为两类：基于结构的概念相似度计算和基于语义的概念相似度计算。前者以Tversky[2]提出的基于特征的方法为代表，该方法使用相同特征、不同特征的数量作为概念相似度计算的依据。后者的典型代表是Resnik[3]提出的基于信息量的方法，该方法认为两个概念共享的信息量越多，就越相似。

上述两种方法均存在一定的不足。基于特征的方法对于特征之间的结构关系没有考虑，因而导致概念相似度计算结果准确度不高。文献[4-7]基于特征的方法计算概念相似度进一步了利用概念的结构层次关系。文献[4-5]借助形式概念分析进行概念相似度计算，但由于没有考虑概念间的语义关系，精度提高仍然不明显；文献[6]利用概念间的结构距离计算概念的相似度，但对于结构复杂或者结盟后的本体来说，并不能达到较高的精度；文献[7]与文献[4-5]方法类