基于扩展AUC量度模型的本体算法
- 格式：pdf
- 大小：232.84 KB
- 文档页数：4
共 有 × …Ｘ ｎ ｋ 个 训 练数 据 。 当ｋ ＝ ２时 即为著 名的 二部 排序 学
（ ： ， … ， ： ） ， 它 们 的 选 取 分 别 独 立 地 服 从Ｘ 上 的 随 机 分 布 Ｄ 一 ， Ｄ 。 Ｓ ａ 中 每 个 元 素 的 排 名 高 于Ｓ 中 任 何 一
第 ３ ０卷 第 １期
２ ０１ ３年 ３ 月
苏 州 科 技 学 Leabharlann 学 报 （ 自 然 科 学 版）
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｓ ｕ ｚ ｈ ｏ ｕ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎｄ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ（ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ）
（ ， Ｓ 一 ） Ｅ Ｘ ＂ Ｘ Ｘ 共有 ｍ 几个 训练 数据 。
［ 收 稿 日期 】 ２ ０ １ ２ — ０ ６ － ２ ８ 【 基 金 项 目】 国家 自然 科 学 基 金 资 助 项 目（ ６ ０ ９ ０ ３ １ ３ １ ）
【 作者简介】 兰美辉（ １ ９ ８ ２ 一 ） ， 女， 云南宜 良人 ， 讲师 ， 硕士 ， 研究方 向： 计算 机理论 与应用 。
体 概 念 间的相 似度计 算 ， 因此 ， 也 可 以最 终 归结 为本 体相 似度 计算 范畴 。相 关 的研究 可参 考 文献［ ４ — ５ ］ 。 排 序学 习算 法 因其 广泛 的应用 价值 而越 来越 受 到关 注 。设 为实 例空 间 ， 中的每 一个元 素 称为 实例 ， 代 表一 个需 要被 排序 的对 象 。排序 函数 厂 ： Ｒ， 是一 个得 分 函数 。它将 每个 实例 映射 成一 个 实数 ， 通过 比较 实 例对 应 的实 数来对 实例 进行 排名 。 即， 设 施， ∈Ｘ， 若厂 （ 兢） ｆ ） ， 则 兢的排 名 高于 。 排 序学 习算 法 的 目标
学 习方法 所存 在 的选 择 排序 亏损 函数 的 问题 。
１ 通 过 最 小 化 扩 展 ＡＵＣ 量 度 模 型 的 ｋ 一 部 排序 学 习算 法
一
部 排 序 学 习 算 法 阎 是 一 种 特 殊的 排 序 学 习 算 法。 其 训 练 实 例 分 成后 一 个 子 集： Ｓ ｌ ＝ （ ： ， … ， １ ） ， …， Ｓ ｋ ＝
近年 来 ． 本体 相似 度 计算 和本 体 映射 的研 究 已经 成 为信 息检 索 领域 研究 的重点 和 热 点 。本 体作 为 一种 信息 共享 工具 。 已广 泛应 用 于 医 ” 、 生 物学［ ２ １ 、 社会 科学 ［ ３ 】 等诸 多领 域 。其 中 ， 本 体 映射 算法 的本 质 是不 同本
个元素（ ６ ） 。 训 练集５ ： （ ５ 一， ） ∈ ｘ …
习 算 法。 其训练 实 例分 成两 个子 集： 正实 例集ｓ ＋ ＝ ＝ （ ： ， …， ｍ ＋ ） 和负 实例 集． ｓ 一 ＝ （ ， …， ： ） ， 它 们的 选 取分 别独
立 地 服从 上 的 随机分 布 、 Ｄ一 。正实 例 集 中每 个 元 素 的排名 高 于 负实 例 集 中任 何 一个 元 素 。 训 练集 Ｓ ＝
实数 ， 通 过 比较 本 体顶 点对 应 实 数 间 的差 值 判 断 概 念 间 的相 似 程 度 。实 验 表 明 ： 新 算 法 对 于本 体 相 似 度 计 算 和 在 不
同本 体 问建 立 映 射 是 有 效 的 。 关键 词 ： 本体 ； 相似度计算 ； 本体映射 ； 一 部排序 ； Ａ Ｕ Ｃ 量 度 中图分类号： Ｔ Ｐ ３ ９ ３ ． ０ ９ ２ 文献标识码 ： Ａ 文章编号 ： １ ６ ７ ２ — ０ ６ ８ ７ （ ２ ０ １ ３ ） ０ １ — ０ ０ ７ １ — ０ ４
的计算 模 型可 以发 现 ， 在运 用该 模 型 时 ， 需 要根 据 不 同 的应 用 背 景人 为地 选 择排 序 亏损 函数 。但 事实 上 ， 排
序 亏损 函数 的选择 不是 一 件容 易 的事 情 。在 实 际应用 中 ， 需要 考 虑 到它 在 特殊 区 间的 单调 性 、 凸性 、 可 导性 等 多种 因素 。此外 ， 很 多 特殊 的排 序 亏损 函数 往往 带 有 多个参 数 ， 这 些参 数 需要 由领 域 专 家来 确 定 ， 而 当缺 乏 领域 专家 的支 持 时 ． 算 法 的操 作性 会 大打 折扣 。 文 中同样是 通过 后 一 部排 序学 习方 法来 得 到排序 函数 ， 从 而 得 到对应 的本体 相 似度 计算 算 法 和本 体 映射 算法。 但 与文 献［ ６ ， ７ 】 不 同的是 笔者 将使 用扩 展 的 Ａ Ｕ Ｃ量 度模 型 来得 到排 序 函数 ， 从而 解决 了一 般 后 一 部排 序
．
是 通过 训练 样本 ． ｓ 来 寻找 最优 排序 函数 。 文 献［ ６ — ７ 】 分 别提 出基 于 一 部排 序 学 习方 法 的本体 相 似度计 算 算法 和本 体 映射算 法 。 该算 法 的优点 在 于 充 分利 用 了本体 图 自身 的结构 特征 ， 其本 质是 通过 最 小化 经验误 差来 得 到最 优排 序 函数 。 通过 研究 文献 ［ ６ ， ７ 】
Ｖ０ １ ． ３ Ｏ Ｎｏ ． １
Ｍａ ｒ ．２ ０１ ３
基于扩展 Ａ Ｕ Ｃ量度模型的本体算法
兰 关辉 ， 李 红林
（ 曲靖 师 范学 院 计 算 机 科 学 与 工 程 学 院 ， 云 南 曲靖 ６ ５ ５ ０ １ １ ）
摘 要： 通过最小化扩展的 Ａ Ｕ Ｃ量 度 得 到 最 优 排 序 函数 ， 从 而将 本 体 图 （ 或多本体结构 图） 中 每个 顶 点 映射 成 一 个
（ ： ， … ， ： ） ， 它 们 的 选 取 分 别 独 立 地 服 从Ｘ 上 的 随 机 分 布 Ｄ 一 ， Ｄ 。 Ｓ ａ 中 每 个 元 素 的 排 名 高 于Ｓ 中 任 何 一
第 ３ ０卷 第 １期
２ ０１ ３年 ３ 月
苏 州 科 技 学 Leabharlann 学 报 （ 自 然 科 学 版）
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｓ ｕ ｚ ｈ ｏ ｕ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎｄ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ（ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ）
（ ， Ｓ 一 ） Ｅ Ｘ ＂ Ｘ Ｘ 共有 ｍ 几个 训练 数据 。
［ 收 稿 日期 】 ２ ０ １ ２ — ０ ６ － ２ ８ 【 基 金 项 目】 国家 自然 科 学 基 金 资 助 项 目（ ６ ０ ９ ０ ３ １ ３ １ ）
【 作者简介】 兰美辉（ １ ９ ８ ２ 一 ） ， 女， 云南宜 良人 ， 讲师 ， 硕士 ， 研究方 向： 计算 机理论 与应用 。
体 概 念 间的相 似度计 算 ， 因此 ， 也 可 以最 终 归结 为本 体相 似度 计算 范畴 。相 关 的研究 可参 考 文献［ ４ — ５ ］ 。 排 序学 习算 法 因其 广泛 的应用 价值 而越 来越 受 到关 注 。设 为实 例空 间 ， 中的每 一个元 素 称为 实例 ， 代 表一 个需 要被 排序 的对 象 。排序 函数 厂 ： Ｒ， 是一 个得 分 函数 。它将 每个 实例 映射 成一 个 实数 ， 通过 比较 实 例对 应 的实 数来对 实例 进行 排名 。 即， 设 施， ∈Ｘ， 若厂 （ 兢） ｆ ） ， 则 兢的排 名 高于 。 排 序学 习算 法 的 目标
学 习方法 所存 在 的选 择 排序 亏损 函数 的 问题 。
１ 通 过 最 小 化 扩 展 ＡＵＣ 量 度 模 型 的 ｋ 一 部 排序 学 习算 法
一
部 排 序 学 习 算 法 阎 是 一 种 特 殊的 排 序 学 习 算 法。 其 训 练 实 例 分 成后 一 个 子 集： Ｓ ｌ ＝ （ ： ， … ， １ ） ， …， Ｓ ｋ ＝
近年 来 ． 本体 相似 度 计算 和本 体 映射 的研 究 已经 成 为信 息检 索 领域 研究 的重点 和 热 点 。本 体作 为 一种 信息 共享 工具 。 已广 泛应 用 于 医 ” 、 生 物学［ ２ １ 、 社会 科学 ［ ３ 】 等诸 多领 域 。其 中 ， 本 体 映射 算法 的本 质 是不 同本
个元素（ ６ ） 。 训 练集５ ： （ ５ 一， ） ∈ ｘ …
习 算 法。 其训练 实 例分 成两 个子 集： 正实 例集ｓ ＋ ＝ ＝ （ ： ， …， ｍ ＋ ） 和负 实例 集． ｓ 一 ＝ （ ， …， ： ） ， 它 们的 选 取分 别独
立 地 服从 上 的 随机分 布 、 Ｄ一 。正实 例 集 中每 个 元 素 的排名 高 于 负实 例 集 中任 何 一个 元 素 。 训 练集 Ｓ ＝
实数 ， 通 过 比较 本 体顶 点对 应 实 数 间 的差 值 判 断 概 念 间 的相 似 程 度 。实 验 表 明 ： 新 算 法 对 于本 体 相 似 度 计 算 和 在 不
同本 体 问建 立 映 射 是 有 效 的 。 关键 词 ： 本体 ； 相似度计算 ； 本体映射 ； 一 部排序 ； Ａ Ｕ Ｃ 量 度 中图分类号： Ｔ Ｐ ３ ９ ３ ． ０ ９ ２ 文献标识码 ： Ａ 文章编号 ： １ ６ ７ ２ — ０ ６ ８ ７ （ ２ ０ １ ３ ） ０ １ — ０ ０ ７ １ — ０ ４
的计算 模 型可 以发 现 ， 在运 用该 模 型 时 ， 需 要根 据 不 同 的应 用 背 景人 为地 选 择排 序 亏损 函数 。但 事实 上 ， 排
序 亏损 函数 的选择 不是 一 件容 易 的事 情 。在 实 际应用 中 ， 需要 考 虑 到它 在 特殊 区 间的 单调 性 、 凸性 、 可 导性 等 多种 因素 。此外 ， 很 多 特殊 的排 序 亏损 函数 往往 带 有 多个参 数 ， 这 些参 数 需要 由领 域 专 家来 确 定 ， 而 当缺 乏 领域 专家 的支 持 时 ． 算 法 的操 作性 会 大打 折扣 。 文 中同样是 通过 后 一 部排 序学 习方 法来 得 到排序 函数 ， 从 而 得 到对应 的本体 相 似度 计算 算 法 和本 体 映射 算法。 但 与文 献［ ６ ， ７ 】 不 同的是 笔者 将使 用扩 展 的 Ａ Ｕ Ｃ量 度模 型 来得 到排 序 函数 ， 从而 解决 了一 般 后 一 部排 序
．
是 通过 训练 样本 ． ｓ 来 寻找 最优 排序 函数 。 文 献［ ６ — ７ 】 分 别提 出基 于 一 部排 序 学 习方 法 的本体 相 似度计 算 算法 和本 体 映射算 法 。 该算 法 的优点 在 于 充 分利 用 了本体 图 自身 的结构 特征 ， 其本 质是 通过 最 小化 经验误 差来 得 到最 优排 序 函数 。 通过 研究 文献 ［ ６ ， ７ 】
Ｖ０ １ ． ３ Ｏ Ｎｏ ． １
Ｍａ ｒ ．２ ０１ ３
基于扩展 Ａ Ｕ Ｃ量度模型的本体算法
兰 关辉 ， 李 红林
（ 曲靖 师 范学 院 计 算 机 科 学 与 工 程 学 院 ， 云 南 曲靖 ６ ５ ５ ０ １ １ ）
摘 要： 通过最小化扩展的 Ａ Ｕ Ｃ量 度 得 到 最 优 排 序 函数 ， 从 而将 本 体 图 （ 或多本体结构 图） 中 每个 顶 点 映射 成 一 个
