概念与文档的语义相似度计算

doi:10.3778/j.issn.1002-8331.2008.35.049

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (35): 163-167.DOI: 10.3778/j.issn.1002-8331.2008.35.049

• 数据库、信号与信息处理 • 上一篇下一篇

概念与文档的语义相似度计算

宋玲¹,郭家义²,张冬梅¹,汤晓兵¹,高楠¹

1.山东建筑大学计算机科学与技术学院，济南 250101
2.北京市信息资源管理中心，北京 100082

收稿日期:2007-12-19 修回日期:2008-03-31 出版日期:2008-12-11 发布日期:2008-12-11
通讯作者: 宋玲

Semantic similarity computation of concepts and documents

SONG Ling¹,GUO Jia-yi²,ZHANG Dong-mei¹,TANG Xiao-bing¹,GAO Nan¹

1.School of Computer Science & Technology，Shandong Jianzhu University，Jinan 250101，China
2.Beijing Information Resource Management Center，Beijing 100082，China

Received:2007-12-19 Revised:2008-03-31 Online:2008-12-11 Published:2008-12-11
Contact: SONG Ling

摘要/Abstract

摘要： 将本体作为背景知识引入到概念之间相似度和文档之间相似度的计算中。通过图模型表示本体中概念以及概念之间的语义关系，用来将一个概念和一个文档扩展为一个语义模糊集，并计算模糊集合之间的相似度。文档相似度的计算是在概念相似度计算的基础之上。在概念相似度的计算过程中引入了语义相似度矩阵以及基于共信息理论的模糊相似度方法。

关键词: 概念相似度, 文档相似度, 本体, 文档聚类

Abstract: A novel method that integrates core ontology as background knowledge into the process of computing similarity of concepts and documents is proposed.Ontology is represented as a graph-based model that reflects semantic relationship between concepts，with which a concept and a document are extended to a semantic fuzzy set.Then fuzzy similarity between two fuzzy sets is computed.Documents comparison is based on concepts comparison.A semantic similarity matrix that exploits semantic relation of the ontology is defined，and fuzzy similarity measure based on shared information content is proposed in the processing of concepts comparison.

Key words: concept similarity, document similarity, ontology, documents clustering

宋玲¹,郭家义²,张冬梅¹,汤晓兵¹,高楠¹. 概念与文档的语义相似度计算[J]. 计算机工程与应用, 2008, 44(35): 163-167.

SONG Ling¹,GUO Jia-yi²,ZHANG Dong-mei¹,TANG Xiao-bing¹,GAO Nan¹. Semantic similarity computation of concepts and documents[J]. Computer Engineering and Applications, 2008, 44(35): 163-167.

[1]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[2]	高见，王安. 基于本体的网络威胁情报分析技术研究[J]. 计算机工程与应用, 2020, 56(11): 112-117.
[3]	李金海，何有世，马云蕾，周爱平. 基于多层领域本体的知识表示通用模型研究[J]. 计算机工程与应用, 2020, 56(11): 149-155.
[4]	王思雨，何泾沙，滕达. 支持隐私信息量化与保护的访问控制系统[J]. 计算机工程与应用, 2019, 55(16): 77-87.
[5]	渠寒花1，惠建忠1，何险峰2，王慕华1，何晓凤1，丰德恩1. 气象服务形式概念分析模型研究[J]. 计算机工程与应用, 2018, 54(9): 257-264.
[6]	游运1，2，3，万常选1，3，陈煌烨1，3. 考虑对象关联关系的多样化商品推荐方法[J]. 计算机工程与应用, 2018, 54(7): 70-76.
[7]	王祯. 基于设计知识本体的工程变更影响范围分析[J]. 计算机工程与应用, 2018, 54(5): 247-252.
[8]	朱文跃，刘宗田. 基于事件本体的突发事件领域知识建模[J]. 计算机工程与应用, 2018, 54(21): 148-155.
[9]	彭飞1，张涛1，徐伟光1，赵敏1，秦恒加2. 基于本体的操作系统安全策略生成模型[J]. 计算机工程与应用, 2018, 54(2): 114-118.
[10]	王红，张昊，史金钏. 基于LDA的领域本体概念获取方法研究[J]. 计算机工程与应用, 2018, 54(13): 252-257.
[11]	王家海，陈煜. 数据驱动的Job Shop生产调度知识挖掘及优化[J]. 计算机工程与应用, 2018, 54(1): 264-270.
[12]	韩学仁1，王青山1，郭勇1，崔兴亚2. 基于PSO-BP算法的地理本体概念语义相似度度量[J]. 计算机工程与应用, 2017, 53(8): 32-37.
[13]	陈恒1，2，李冠宇2，陈鑫影2，3. 模块化思想在大规模本体匹配中的应用[J]. 计算机工程与应用, 2017, 53(8): 149-153.
[14]	包旭光，王丽珍，陈红梅. 基于co-location模式和本体的地址选择算法[J]. 计算机工程与应用, 2017, 53(24): 15-22.
[15]	王庆林1，2，薛惠锋1，3. 支持复杂产品系统设计的虚拟知识流生成算法[J]. 计算机工程与应用, 2017, 53(22): 29-34.

概念与文档的语义相似度计算

Semantic similarity computation of concepts and documents

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics