本体相似度计算方法研究

张路

长江大学工程技术学院 湖北 434020

0 引言

本体映射算法以两个本体作为输入，然后为这两个本体的各个元素(概念、属性或者关系) 建立相应的语义关系。相似性提取是本体映射的一个重要步骤，它主要是进行概念相似度的计算，提高语义相似度计算精度成为提高语义信息检索质量的关键之一。语义相似度一般是指计算本体概念间的相似度，多数方法所考虑的概念是基于一个本体的，跨本体概念间的方法比较少。MD3模型是一种典型的计算跨本体概念间相似度的方法。

1 MD3模型

Triple Matching-Distance Model(MD3)模型是一种跨本体概念间相似度计算框架。计算实体类a和b之间的相似度通过计算同义词集、特征属性和语义邻居之间的加权和，公式如下：

其中w, u, v表示了各组成部分的重要性。特征属性细化为组成部分、功能以及其他属性。概念a和b的语义邻居及其特征属性(即概念的部分、功能及其他属性)也通过同义词集合描述，每一个相似度的计算都通过Tversky公式：

其中A, B分别表示概念a和b的描述集合，A-B表示属于A但不属于B的术语集(B-A相反)。参数(,)abα由概念a和b和在各自层次结构中的深度确定。

2 EMD3模型

MD3模型的不足在于没有考虑对象实例对概念的影响，同时其语义邻居只考虑语义关系中层次之间的相似度，没有考虑非层次之间的相似度。本文在MD3模型的基础上，参考了其概念名称相似度、特征属性，对本体的结构以及概念描述两方面做了扩充，重点讨论了跨本体概念间非层次关系的相似度的比较和实例对概念相似度的影响，把MD3模型扩展到Extension of Triple Mapping Distance model (EMD3)模型。……