[發(fā)明專利]一種基于本體的密度自適應(yīng)概念語義相似度計算方法

有效

• 申請?zhí)枺?/td>: 201810025611.X
• 申請日: 2018-01-11
• 公開（公告）號: CN108256030B
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計）人: 李飛;廖樂健;何景
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/33;G06F40/30;G06F40/247
• 代理公司: 北京正陽理工知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11639
• 代理人: 王民盛

本發(fā)明涉及一種基于本體的密度自適應(yīng)概念語義相似度計算方法，屬于人工智能領(lǐng)域中的自然語言理解技術(shù)領(lǐng)域。該語義相似度計算方法通過合并邊統(tǒng)計模型和信息理論推導(dǎo)出一種邊權(quán)重函數(shù)，然后表示出概念的深度和概念間的最短路徑權(quán)重，最終應(yīng)用到傳統(tǒng)的基于邊的方法中計算概念語義相似度。本發(fā)明提出的模型具有與目前效果最好的基于信息內(nèi)容方法同樣的性能，不需要額外的參數(shù)，能夠自適應(yīng)不同密度對邊的影響，具有很好地通用性，且時間復(fù)雜度比基于信息內(nèi)容的方法具有明顯的優(yōu)勢，是一種高性能和高效率的概念語義相似度方法，具有更好地應(yīng)用前景。

技術(shù)領(lǐng)域

本發(fā)明涉及一種概念語義相似度計算方法，特別涉及一種基于本體的密度自適應(yīng)概念語義相似度計算方法，屬于人工智能領(lǐng)域中的自然語言理解技術(shù)領(lǐng)域。

背景技術(shù)

概念語義相似度計算是自然語言處理的一個基礎(chǔ)研究內(nèi)容，在智能檢索、詞義消歧、機器學(xué)習(xí)、拼寫校正、機器翻譯和信息抽取等領(lǐng)域都有廣泛的應(yīng)用。目前概念語義相似度計算的研究策略大體分為三類：一類是利用大規(guī)模的語料庫進行統(tǒng)計，它主要將上下文信息的概率分布作為概念語義相似度的參照依據(jù)，這需要一個覆蓋某一領(lǐng)域所有信息的語料庫，顯然這是很困難的。一類是根據(jù)某種世界知識來計算，主要是基于概念間結(jié)構(gòu)層次關(guān)系的語義詞典(本體)的方法，根據(jù)在語義詞典中概念之間的上下位關(guān)系和同位關(guān)系來計算概念的相似度，與相關(guān)方法相比，這類方法在計算概念語義相似度的精度方面具有明顯的優(yōu)勢；另一類是基于百科知識的方法，百科知識是一個半結(jié)構(gòu)化語料庫，且概念間的結(jié)構(gòu)層次關(guān)系并不十分嚴(yán)謹(jǐn)，Zesch等在Comparing Wikipedia and German WordNet byevaluating semantic relatedness on multiple datasets(in Proceedings of HumanLanguage Technologies:The 2007Annual Conference of the North American Chapterof the Association for Computational Linguistics,pages 205-208,2007)中表明這類方法不是很好地適用于概念語義相似度，主要用于計算概念語義相關(guān)度。

目前，在語義詞典分類方法中，基于邊和基于信息內(nèi)容(Information Content,IC)的方法是語義相似度研究的重點。邊是本體層次結(jié)構(gòu)的重要組成部分，因此基于邊的概念語義相似度計算具有直觀、易于理解和較低的計算復(fù)雜度等特點。然而，一個大型的詞匯本體由于其具有寬廣的覆蓋領(lǐng)域，概念之間的連接可能存在不規(guī)則問題，這種不規(guī)則問題主要體現(xiàn)在兩個方面：概念的密度不規(guī)則和概念的深度不規(guī)則。密度不規(guī)則指的是本體中通過“上下位”關(guān)系連接的概念結(jié)點的數(shù)目不同，深度不規(guī)則指的是概念在本體中的深度不同。基于邊的方法通過合并概念的深度和概念間的最短路徑，能夠克服深度不規(guī)則問題，但是它不能解決密度不規(guī)則問題，這將導(dǎo)致相同的概念路徑在不同的密度區(qū)域下表示不同的語義距離。目前，基于邊的方法無法有效解決該問題，在國際標(biāo)準(zhǔn)測試集MC30中，優(yōu)秀的基于邊的方法與MC30的人工判定值的皮爾遜相關(guān)系數(shù)僅僅只有0.8。Zhu等在An efficientpath computing model for measuring semantic similarity using edge and density(in Knowledge And Information Systems,no.2-3,pages 1-33,2017)中通過一個平滑參數(shù)將區(qū)域密度加入邊中來補償路徑(在本發(fā)明中稱其為“密度補償模型”)來解決密度不規(guī)則問題，但是這種方法是基于經(jīng)驗值，當(dāng)本體被更新時，該模型需要重新調(diào)優(yōu)參數(shù)以達到最優(yōu)效果。