论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　特征向量用来描述网络上的数据对象，而表示特征向量的每个特征项都与本体中的一个术语或概念相对应，故上述计算特征项权重可转换为计算本体模型中相应概念的权重，从而得到相似度。以Protégé[3]作为开发平台可构建某领域本体模型[5]。“边计算法”是根据两个概念间最短路径和所处深度来判断二者的相似性。Li提出了一种有效度量“IS-A”概念树两概念间相似度的函数。
　　该函数表明概念的相似度关于[h]单调递增，关于[l]单调递减。根据Li的测试，[α]=0.2、[β]=0.6是度量效果的最佳优化值。该方法直观易理解，但没有考虑概念间边的权重。例如概念C1和它的直接父节点C2与C1和同C1同深度但不同父节点的任意子节点C3距离相同，但显然前者的相似度会更高。本体树中概念权重的分配从两点来分析，第一概念包含子节点的个数（密度因子d1）；第二概念所处的深度（深度因子d2），即距离根节点边的条数。
　　语义相似度计算方法依据文献[6]提出的函数再加上概念间的边权值构造相似度函数，从而提高语义相似度匹配的精确性。除此之外，还有其他基于本体树结构的语义相似度计算方法[4]。
　　3结束语
　　基于SVSM的语义相似度计算导致维数过高问题有多种解决方法，如通过“特征词选择（TermSelection）”和“特征词析取（TermExtraction）”[5]方法；也可以通过奇异值分解（SVD）实现降低维数等，但语义依然没有得到很好地解决。基于本体树模型的语义相似度计算由于充分考虑了概念所处本体树中的位置并且赋予一定的权重，在判断语义相关信息方面增加了很多量化因素，如概念的深度，子节点的个数等，从而提高了语义相似度匹配的精确度，但不同本体库间的概念语义相似度度量仍然没有解决，也是今后值得继续研究的问题。
　　参考文献：
　　[1]Berners-LeeT.SemanticWebRoadMap[EB/OL].1998.
　　[2]GSalton，AWong，CSYang.AVectorSpaceModelforAutomaticIndexing[J].CommunicationsoftheACM，1975，18（11），613–620.
　　[3]洪娜，张智雄.Protégé在科研本体构建与推理中的实践研究[J].现代图书情报技术，2009，25（7/8）：1-5.
　　[4]邱田，李鹏飞，林品.一个基于概念语义近似度的Web服务匹配算法[J].电子学报，2009，37（2）：429-432.
　　[5]陈慧芳.文本分类中特征向量空间降维方法研究[D].南京：东南大学，2005，12-15.