本體圖驅(qū)動(dòng)的概念相似度算法

曾小芹

摘要：采用本體概念映射方法，研究概念間相似度計(jì)算問題并提出本體圖驅(qū)動(dòng)的概念相似度算法。該算法將概念映射到本體結(jié)構(gòu)圖上，通過計(jì)算概念的語(yǔ)義、結(jié)構(gòu)及屬性相似度得到綜合相似度。其中，結(jié)構(gòu)相似度通過語(yǔ)義輻射圓計(jì)算模型得到，屬性相似度通過概念重心向量夾角余弦得到。通過實(shí)驗(yàn)對(duì)比證明，該算法在一定程度上提高了相似度準(zhǔn)確性，為數(shù)據(jù)挖掘提供了一定依據(jù)。

關(guān)鍵詞關(guān)鍵詞：本體；相似度；語(yǔ)義輻射圓；數(shù)據(jù)挖掘

DOIDOI：10.11907/rjdk.161326

中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2016）007005903

0引言

互聯(lián)網(wǎng)行業(yè)之所以能創(chuàng)造財(cái)富，關(guān)鍵是通過記錄和分析用戶網(wǎng)絡(luò)操作的大數(shù)據(jù)，形成用戶“行為指紋”，從而洞悉用戶潛在的、真實(shí)的需求，形成預(yù)判。用戶的每一次瀏覽、評(píng)論、點(diǎn)播都是數(shù)據(jù)。但數(shù)據(jù)處理卻是一項(xiàng)重要的技術(shù)挑戰(zhàn)。使用傳統(tǒng)的方法去描述與度量大數(shù)據(jù)的復(fù)雜性，據(jù)資源優(yōu)化融合的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn)。數(shù)據(jù)融合算法采用Matlab編程實(shí)現(xiàn)。在CIMS工業(yè)生產(chǎn)項(xiàng)目中進(jìn)行供應(yīng)鏈模型構(gòu)建，通過ERP系統(tǒng)結(jié)合仿真工具（MBPST）進(jìn)行供應(yīng)鏈大數(shù)據(jù)資源融合軟件開發(fā)，得到仿真平臺(tái)中數(shù)據(jù)融合統(tǒng)計(jì)分析輸出如圖2所示。

為了定量分析該算法的性能，采用本文方法和傳統(tǒng)方法，以數(shù)據(jù)融合的執(zhí)行時(shí)間為測(cè)試指標(biāo)，得到對(duì)比結(jié)果如圖3所示。仿真結(jié)果表明，利用該算法進(jìn)行大數(shù)據(jù)資源融合的效率較高，配準(zhǔn)性能較好，執(zhí)行時(shí)較短，性能優(yōu)越于傳統(tǒng)算法。

需要對(duì)高維圖像等多媒體數(shù)據(jù)進(jìn)行降維度量與處理，同時(shí)分析出上下文環(huán)境的語(yǔ)義關(guān)聯(lián)，最終從大量動(dòng)態(tài)及模糊的數(shù)據(jù)中歸納概括信息，并導(dǎo)出可理解的內(nèi)容。

本體通過對(duì)某領(lǐng)域概念及其關(guān)系的形式化表達(dá)來(lái)獲得該領(lǐng)域知識(shí)，并提供對(duì)其的統(tǒng)一理解，確定公認(rèn)詞匯，從不同層次上明確定義詞匯與詞匯間的關(guān)系，進(jìn)一步挖掘隱含在特定領(lǐng)域中的知識(shí)，解決各種語(yǔ)義障礙。1相關(guān)研究

目前已有大量關(guān)于語(yǔ)義相似度計(jì)算的研究。很多文章均提出了綜合如結(jié)點(diǎn)類型、密度、深度、強(qiáng)度、屬性、層次、邊類型多種因素的計(jì)算模型，有的算法結(jié)合圖理論和信息量提出了語(yǔ)義相似度度量方式。而鄒文科、唐中林等則基于距離相似度和屬性相似度來(lái)計(jì)算領(lǐng)域本體內(nèi)部概念間的相似度。另外，也有將特征屬性作為邊權(quán)值來(lái)計(jì)算語(yǔ)義距離，并通過概念層次深度來(lái)校正計(jì)算結(jié)果。

當(dāng)前基于本體的相似度算法大概存在兩方面問題：①很多算法考慮盡量多的因素進(jìn)行計(jì)算，但因素本身重要度不同，有的甚至無(wú)關(guān)緊要，這樣反而增加了算法復(fù)雜度；②因素的重復(fù)利用不是很合理。為解決以上問題，本文提出以本體圖驅(qū)動(dòng)的概念相似度算法。2改進(jìn)算法

本體包含概念、屬性、關(guān)系、實(shí)例等，且本體結(jié)構(gòu)類似有向無(wú)環(huán)圖結(jié)構(gòu)。因此，以本體為基礎(chǔ)，可從語(yǔ)義、結(jié)構(gòu)等多方面考慮相似度計(jì)算。概念相似度算法由3部分組成：語(yǔ)義相似度、結(jié)構(gòu)相似度及屬性相似度＼即先將概念映射到本體樹上，再綜合計(jì)算概念間的3種相似度。

（1）語(yǔ)義相似度。在本體圖結(jié)構(gòu)中，結(jié)點(diǎn)與概念一一對(duì)應(yīng)，由此可知：若結(jié)點(diǎn)有聯(lián)系即概念相似，必然存在連接結(jié)點(diǎn)的通路；連接結(jié)點(diǎn)的通路上，經(jīng)過的邊數(shù)越多，概念間相似度越?。唤Y(jié)點(diǎn)間關(guān)系類型不同，對(duì)相似度的影響也不同。

假設(shè)求概念CA、CB間的相似度，將CA、CB映射到本體圖上，再找出兩結(jié)點(diǎn)間的連通路徑，如圖1所示。

概念間語(yǔ)義相似度可由以下公式計(jì)算：

連通路徑

0，路徑不連通 （1）

其中，m指連接兩結(jié)點(diǎn)間最短路徑邊數(shù)之和，ei指最短路徑上第i條邊，ωei指第i條邊的關(guān)系權(quán)重。

（2）結(jié)構(gòu)相似度——語(yǔ)義圓輻射計(jì)算模型。由本體結(jié)構(gòu)可知，被比較的概念若存在相同或相似的鄰居結(jié)點(diǎn)，則認(rèn)為它們相似。因此，本算法采用“語(yǔ)義圓輻射模型”計(jì)算概念間的結(jié)構(gòu)相似度。該模型以被比較概念結(jié)點(diǎn)為圓心，r為半徑輻射出一個(gè)語(yǔ)義圓。在本體層次關(guān)系中，父子結(jié)點(diǎn)、兄弟結(jié)點(diǎn)占有重要位置，在此，r=1。在語(yǔ)義圓上的結(jié)點(diǎn)都是圓心結(jié)點(diǎn)的相似結(jié)點(diǎn)，如圖2所示，CA、CB是被比較概念，O1是以CA為圓心的語(yǔ)義圓，O2是以CB為圓心的語(yǔ)義圓。

結(jié)構(gòu)相似度計(jì)算如下：

其中，NCA（NCB）是在語(yǔ)義圓O1（O2）上的CA（CB）的鄰居結(jié)點(diǎn)集合，|NCA∩NCB|是兩集合交集大小，|NCA∪NCB|則是兩集合并集大小。

（3）屬性相似度——屬性重心向量夾角計(jì)算模型。由本體概念可知，概念包含對(duì)象屬性、數(shù)據(jù)類型屬性及注釋屬性等多個(gè)屬性。假設(shè)CA有n個(gè)屬性，其屬性集為（a1，a2，…，an），分別為各屬性設(shè)定的權(quán)重值，得到概念CA的屬性向量d=ω1，ω2，…，ωn，再以向量d各分量為頂點(diǎn)畫多邊形G，取G的重心M，此時(shí)，向量OM是概念CA的重心向量。同理，得到概念CB的重心向量ON，θ是向量OM、ON的夾角，如圖3、圖4所示。

如果兩概念相同，則其對(duì)應(yīng)的重心向量應(yīng)是重合的，即兩者夾角θ為0°；如果兩概念相似，則對(duì)應(yīng)的重心向量應(yīng)存在一定角度，且隨著概念間相似度的減小而增大。

概念相似度計(jì)算公式綜合如下：

其中，α+β+γ=1，文中α=0.5，β=0.2，γ=0.3，當(dāng)然3個(gè)參數(shù)的具體取值還有待修改驗(yàn)證。

3實(shí)驗(yàn)與結(jié)論

為了驗(yàn)證本算法的有效性，以植物本體＼[14＼]為依據(jù)，分別從相似度和算法時(shí)間復(fù)雜度兩方面對(duì)比本文算法X、文獻(xiàn)算法Y及文獻(xiàn)算法Z，部分實(shí)驗(yàn)數(shù)據(jù)如表1所示。

綜合實(shí)驗(yàn)數(shù)據(jù)及本文描述可知：

（1）總體上看本文算法X從相似度準(zhǔn)確度及算法時(shí)間復(fù)雜度優(yōu)于被比較算法Y和Z，因此，本算法具可行性及相應(yīng)價(jià)值。

（2）算法X和Y對(duì)比說明，考慮參數(shù)越多，相似度準(zhǔn)確度不一定越大。相反，算法的時(shí)間復(fù)雜度卻隨之增大，為此，在相似度計(jì)算中應(yīng)理性對(duì)待各參數(shù)。

（3）算法X和Z對(duì)比說明，在利用本體計(jì)算相似度算法中，屬性因素是重要的影響因素，在本文算法X中，屬性重心向量夾角計(jì)算模型發(fā)揮了重要作用。

本文以本體圖為驅(qū)動(dòng)提出了概念相似度算法，由于算法中各種參數(shù)初始閾值的判定都依賴個(gè)人的主觀思想，對(duì)相似度的精準(zhǔn)度必定產(chǎn)生影響，因此，關(guān)于參數(shù)的取值還需進(jìn)一步驗(yàn)證。

參考文獻(xiàn)：

VIKTOR MAYER SCH，OUML，NBERGER.Big data：a revolution that will transform how we live， work， and think.盛揚(yáng)燕，周濤，譯.杭州：浙江人民出版社，2012.

黃果，周竹榮.基于領(lǐng)域本體的概念語(yǔ)義相似度計(jì)算研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，28（10）：24602463.

史斌，閆健卓.基于本體的概念語(yǔ)義相似度度量[J].計(jì)算機(jī)工程，2009，35（19）：8385.

蘭美輝，夏幼明.基于本體的概念相似度計(jì)算模型研究[J].曲靖師范學(xué)院學(xué)報(bào)，2010，29（3）：6770.

鄒文科.基于本體技術(shù)的語(yǔ)義檢索及其語(yǔ)義相似度研究.北京：北京郵電大學(xué)，2008.

陳沈焰，吳軍華.基于本體的概念語(yǔ)義相似度計(jì)算及其應(yīng)用[J].微電子學(xué)與計(jì)算機(jī)，2008，25（12）：9699.