下载文档原格式
基于How-net的词语语义相似度算法
马永起;韩德培;蒙立荣;余杰;程铮
【期刊名称】《计算机工程》
【年(卷),期】2018(044)006
【摘要】对词语相似度、义原相似度和概念相似度进行研究,结合How-net义原树,提出一种计算义原相似度的算法.考虑义原节点所处的深度、义原节点间的距离以及义原节点兄弟数目,在义原相似度基础上,给出词语语义相似度算法.实验结果表明,与评论的倾向性算法和语义相似度算法相比,该算法在不增加算法复杂度的情况下,提高了词语语义相似度准确性.
【总页数】5页(P151-155)
【作者】马永起;韩德培;蒙立荣;余杰;程铮
【作者单位】中国工程物理研究院计算机应用研究所,四川绵阳621999;东方通信股份有限公司,杭州310000;中国工程物理研究院计算机应用研究所,四川绵阳621999;国防科技大学计算机学院,长沙410073;中国工程物理研究院计算机应用研究所,四川绵阳621999
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于《知网》的词语语义相似度算法 [J], 王小林;王东;杨思春;邰伟鹏;郑啸
2.基于知网和知识图的汉语词语语义相似度算法 [J], 张晓孪;王西锋
3.基于不同语义资源的词语相似度算法综述 [J], 蔡辉虎
4.一种改进的基于知网的词语语义相似度算法 [J], 张小川;于旭庭;张宜浩
5.一种基于词义向量模型的词语语义相似度算法 [J], 李小涛;游树娟;陈维
因版权原因，仅展示原文概要，查看原文内容请购买。
语义树的概念
得嘞，咱今儿就聊聊这语义树的概念。
您瞧啊，这语义树，说白了，就是跟咱们平时说的树差不多，但它不是长在地上的那种，而是存在于咱们计算机世界里头的一种数据结构。
这语义树啊，它就像是一棵大树，有根儿、有枝儿、有叶儿，每一部分都承载着不同的含义和信息。
咱们先说说这“根儿”。
在语义树里头，根儿就是最基础、最核心的那个部分，它就好像是树干一样，承载着整棵树的最重要信息。
在语义分析中，这“根儿”通常就是咱们要分析的那个句子或者短语，是咱们整个分析的起点。
再说说这“枝儿”。
枝儿就是从根儿上延伸出来的那些部分，它们连接着根儿和叶儿，传递着信息。
在语义树里头，这些“枝儿”就是句子或者短语中的各个成分，比如主语、谓语、宾语、定语、状语等等。
它们之间有着各种各样的关系，就像是树枝之间错综复杂的联系一样。
最后说说这“叶儿”。
叶儿就是树枝上那些最小、最具体的部分，它们直接承载了具体的信息。
在语义树里头，这些“叶儿”就是句子或者短语中的各个词汇，它们是最基本的语义单位，承载着最具体的意义。
这语义树啊，通过把句子或者短语中的各个成分组织成一棵树状结构，就能让咱们更加清晰地看到这些成分之间的关系和它们所承载的意义。
这对于咱们进行自然语言处理、信息抽取、机器翻译等等工作都是非常有帮助的。
总之啊，这语义树就是一种非常实用的数据结构，它能够让咱们更加深入
地理解句子或者短语的结构和意义，是咱们在进行自然语言处理工作时不可或缺的工具。
基于概念语义树的语义相似度计算方法研究作者：韩欣,秦帆来源：《电脑知识与技术》2011年第16期摘要：现在信息检索的应用已经越来越广泛，但要在具体领域中做到准确搜索，仍然是一件比较难的事情。
该文提出一种基于概念语义树的语义相似度计算方法，综合考虑了概念的语义关系、层次结构和继承关系等因素，尽可能的地提高在特定领域中的信息检索效率，并最后通过实验，验证了该方法的可行性。
关键词：语义检索；概念语义树；语义相似度中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2011)16-3809-02Research on Method of Semantic Similarity Based on Concept Semantic TreeHAN Xin, QIN Fan(School of Electronics and Computer Science and Technology, North University of China, Taiyuan 030051, China)Abstract: At present, the application of information retrieval has been widely used, but it is still a difficult thing to be accurate in the specific field of searching. This paper provides a semantic similarity calculation method based on the concept semantic tree, considering the concept of the semantic relations, hierarchies, and inheritance and other factors, as much as possible to improve retrieval efficiency in specific areas of information, and at final, demonstrate the feasibility of the method by experiment.Key words: semantic retrieval; concept semantic tree; semantic similarity传统的信息检索都是基于关键词查询的，因此在检索时可能会出现一堆用户并不真正需要的信息，导致查询结果的准确率很低，查全率也不令人满意，会出现“表达差异”，“词汇孤岛”等问题。
基于树结构的本体概念相似度计算方法
徐英卓;贾欢
【期刊名称】《计算机系统应用》
【年(卷),期】2017(026)003
【摘要】随着本体在数据集成方面的广泛应用,面向本体的概念相似度计算成为人们关注的热点问题.针对当前领域本体概念相似度的计算过程都比较复杂的问题,提出一种基于树结构的本体概念相似度的计算方法.该方法通过添加和重组虚拟节点重构本体树,再通过属性比较映射对象,最后通过计算,得到本体概念的语义相似度结果.实验结果表明,该方法有效利用了本体概念的语义信息,得到了合理的计算结果,并简化了计算过程.
【总页数】5页(P275-279)
【作者】徐英卓;贾欢
【作者单位】西安石油大学计算机学院,西安790065;西安石油大学计算机学院,西安790065
【正文语种】中文
【相关文献】
1.基于概念格的跨本体映射中概念相似度计算方法 [J], 滕广青;毕强
2.一种改进的基于本体概念相似度计算方法研究 [J], 刘影;陈立;宋自林;董庆超;陈兴华;朱卫星;何继贤
3.一种基于语义的本体概念相似度的计算方法 [J], 吴开贵;万红波;朱郑州
4.基于本体的概念相似度计算方法研究 [J], 李荣;杨冬;刘磊
5.基于OWL的本体映射中概念相似度计算方法的研究 [J], 肖潇;杨贯中;陈春磊;段瑞安
因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进的本体语义相似度计算及其应用摘要：本文提出了一种改进的本体语义相似度计算方法，该方法基于本体的结构和语义信息，通过计算本体中概念之间的相似度，实现了本体语义相似度的计算。
该方法不仅可以应用于本体的构建和维护，还可以应用于自然语言处理、信息检索、知识管理等领域。
关键词：本体；语义相似度；计算方法；应用一、引言随着信息技术的不断发展，人们对于信息的需求越来越高。
为了满足这种需求，本体技术应运而生。
本体是一种用于表示某个领域中概念和它们之间关系的形式化知识表示工具。
本体可以用于知识管理、语义网、自然语言处理等领域。
其中，本体语义相似度计算是本体技术中的一个重要问题。
本文提出了一种改进的本体语义相似度计算方法，并探讨了它的应用。
二、相关工作本体语义相似度计算是本体技术中的一个重要问题，也是自然语言处理、信息检索等领域的研究热点。
目前，已经有很多学者对本体语义相似度计算进行了研究。
其中，基于路径长度和信息内容的计算方法是比较常见的方法。
这种方法的基本思想是通过计算本体中概念之间的路径长度和信息内容的相似度，来计算本体语义相似度。
但是，这种方法存在一些问题。
例如，路径长度的计算方法忽略了本体中概念之间的语义信息，而信息内容的计算方法又存在信息不完备、信息不准确等问题。
因此，需要提出一种新的本体语义相似度计算方法。
三、改进的本体语义相似度计算方法本文提出了一种改进的本体语义相似度计算方法，该方法基于本体的结构和语义信息，通过计算本体中概念之间的相似度，实现了本体语义相似度的计算。
该方法的具体步骤如下：1、概念相似度计算对于本体中的每个概念，首先计算它和其他概念之间的相似度。
具体而言，可以采用基于信息内容的相似度计算方法，例如余弦相似度、欧几里得距离等。
这种方法可以避免路径长度计算方法的缺陷，同时也可以考虑到概念之间的语义信息。
2、概念路径相似度计算对于本体中的每个概念，计算它和其他概念之间的路径相似度。
基于维基百科的短文本相关度计算荆琪;段利国;李爱萍;赵谦【摘要】为提高短文本语义相关度的计算准确率,将维基百科作为外部语义知识库,利用维基百科的结构特征,如维基百科的分类体系结构、摘要中的链接结构、正文中的链接结构以及重定向消歧页等,提出类别相关度与链接相关度相结合的词语相关度计算方法.在此基础上,提出基于词形结构、词序结构以及主题词权重的句子相关度计算方法.实验结果表明,在词语相关度计算方面,该方法的Spearman参数比文本相关度计算方法提高2.8％,句子相关度准确率达到73.3％.【期刊名称】《计算机工程》【年(卷),期】2018(044)002【总页数】6页(P197-202)【关键词】维基百科;相关性;语义相似度;语义相关度;短文本【作者】荆琪;段利国;李爱萍;赵谦【作者单位】太原理工大学计算机科学与技术学院,太原030600;太原理工大学计算机科学与技术学院,太原030600;太原理工大学计算机科学与技术学院,太原030600;武汉大学软件工程国家重点实验室,武汉430072;太原理工大学计算机科学与技术学院,太原030600【正文语种】中文【中图分类】TP391.10 概述语义相关度计算作为自然语言处理领域一项基本性的研究工作,广泛地应用于查询扩展、词义消歧、机器翻译、知识抽取、自动纠错等领域[1]。
随着社交媒体的出现,例如BBS、贴吧、聊天工具等,文本已成为重要的信息载体,其规模呈现出爆炸式的增长趋势,尤其是短文本,作为一种新兴的文本信息源,已成为了人们交流以及表达的重要形式。
目前,对于中文语义相关度的计算方法大多以相似度计算为基础,然而相似度并不能完全替代相关度,相似度指的是“相像、相类”,具有可替代性;相关度反映的是“互相涉及、彼此关联”,通常高频出现在同一语境中的共现词相关度较高,即相关性具有不可替换性。
可以把相似性当作相关性计算的一个特征因子,作为最终结果的一部分。
由于短文本所表达的信息有限,因此需要大量的背景知识来对样本特征进行扩展,获取背景知识的方法可以分为2类:一类是基于语义词典,如WordNet、Hownet等;另一类是对大规模语料库进行统计分析来获取背景知识。
基于文本聚类和概念相似度的语义Web服务发现
刘一松;杨玉成
【期刊名称】《计算机科学》
【年(卷),期】2013(040)011
【摘要】语义Web服务在进行服务发现时,需要按顺序依次匹配注册库中的服务,这将大量时间浪费在不相干的服务上,从而造成服务发现效率低下.针对该问题,提出了一种新的基于文本聚类和概念相似度的语义Web服务发现方法.该方法主要分为两个阶段,第一阶段根据服务源文件中的描述性文本信息将类别一致的服务聚类到一起,在此过程中利用了向量空间模型对文本进行表示和处理,并在前人的基础上提出了一种多重混合聚类算法MHC;第二阶段进行服务间的功能属性匹配,结合本体概念层次树中有向边的深度、强度以及概念的继承度等因素计算概念间的语义相似度.最后,实验结果表明,提出的方法在兼顾匹配准确率的基础上,大大提高了匹配效率.【总页数】4页(P211-214)
【作者】刘一松;杨玉成
【作者单位】江苏大学计算机科学与通信工程学院镇江212013;江苏大学计算机科学与通信工程学院镇江212013
【正文语种】中文
【中图分类】TP393
【相关文献】
1.概念相似度在语义Web服务发现中的应用 [J], 赵娟;李小林
2.基于本体概念相似度的语义Web服务匹配算法 [J], 彭晖;史忠植;邱莉榕;常亮
3.基于概念相似度计算的语义Web服务发现方法 [J], 徐德智;瞿攀
4.基于QoS约束的改进语义Web服务发现方法 [J], 许国鹏;马良荔;冯泽波
5.一种基于本体概念相似度的语义Web服务匹配算法 [J], 李淑芝;杨刚;杨书新因版权原因，仅展示原文概要，查看原文内容请购买。
语义相似度计算及其应用研究一、本文概述本文旨在深入探讨语义相似度计算的理论基础、实现方法以及其在多个领域的应用实践。
我们将首先介绍语义相似度计算的基本概念，阐述其在信息处理和自然语言处理领域中的重要性。
随后，我们将详细介绍几种主流的语义相似度计算方法，包括基于词向量的方法、基于深度学习的方法等，并对比它们的优缺点。
在此基础上，我们将进一步探讨语义相似度计算在多个领域，如信息检索、机器翻译、问答系统、情感分析等中的应用，并通过实例分析展示其在这些领域中的实际效果。
我们将对语义相似度计算未来的发展趋势进行展望，以期能为相关领域的研究和实践提供有益的参考。
二、语义相似度计算的理论基础语义相似度计算，作为自然语言处理（NLP）领域的重要分支，其理论基础主要建立在语言学、信息论、概率统计和机器学习等多个学科交叉融合的基础之上。
其核心目标在于度量两个文本片段在语义层面上的相近程度，从而实现对文本深层含义的理解和比较。
语言学理论为语义相似度计算提供了基本的分析框架。
根据词汇语义学的观点，词语的意义是由其在不同上下文中的使用方式决定的。
因此，在计算语义相似度时，需要考虑词语在特定语境中的含义，而不仅仅是孤立的词汇本身。
句法结构和篇章结构等语言学知识也为语义相似度的计算提供了重要的线索。
信息论为语义相似度计算提供了量化分析的工具。
在信息论中，信息被视为一种减少不确定性的度量。
语义相似度可以被理解为两个文本片段所传递信息的重合程度。
通过计算两个文本片段之间的互信息、条件概率等信息论指标，可以量化地评估它们的语义相似度。
概率统计方法也为语义相似度计算提供了有效的手段。
在概率框架下，语义相似度可以通过比较两个文本片段的概率分布来计算。
例如，潜在语义分析（Latent Semantic Analysis, LSA）和潜在狄利克雷分布（Latent Dirichlet Allocation, LDA）等概率模型，通过挖掘文本中隐含的主题信息，可以实现对文本语义的有效表示和比较。
一种基于语义与句法结构的短文本相似度计算方法赵谦;荆琪;李爱萍;段利国【期刊名称】《计算机工程与科学》【年(卷),期】2018(040)007【摘要】为了提高短文本语义相似度计算的准确率,提出一种新的计算方法:将文本分割为句子单元,对句子进行句法依存分析,句子之间相似度计算建立在词语间相似度计算的基础上,在计算词语语义相似度时考虑词语的新特征——情感特征,并提出一种综合方法对词语进行词义消歧,综合词的词性与词语所处的语境,再依据Hownet语义词典计算词语语义相似度;将句子中词语之间的语义相似度根据句子结构加权平均得到句子的语义相似度,最后通过一种新的方法——二元集合法——计算短文本的语义相似度.词语相似度与短文本相似度的准确率分别达到了87.63％和93.77％.实验结果表明,本文方法确实提高了短文本语义相似度的准确率.【总页数】8页(P1287-1294)【作者】赵谦;荆琪;李爱萍;段利国【作者单位】太原理工大学信息与计算机学院,山西太原030024;太原理工大学信息与计算机学院,山西太原030024;太原理工大学信息与计算机学院,山西太原030024;武汉大学软件工程国家重点实验室,湖北武汉430072;太原理工大学信息与计算机学院,山西太原030024【正文语种】中文【中图分类】TP391【相关文献】1.一种基于HowNet的词语语义相似度计算方法 [J], 范弘屹;张仰森2.一种基于词向量与框架语义分析的句子相似度计算方法 [J], 刘馨婷;蔡晓东3.一种基于语义与结构的句子相似度计算方法 [J], 张艳杰;邵雄凯;刘建舟4.一种基于WordNet的混合式语义相似度计算方法 [J], 张思琪;邢薇薇;蔡圆媛5.一种基于复杂网络的短文本语义相似度计算 [J], 詹志建;杨小平因版权原因，仅展示原文概要，查看原文内容请购买。
基于概念语义树的语义相似度计算方法研究作者：韩欣,秦帆来源：《电脑知识与技术》2011年第16期摘要：现在信息检索的应用已经越来越广泛，但要在具体领域中做到准确搜索，仍然是一件比较难的事情。
该文提出一种基于概念语义树的语义相似度计算方法，综合考虑了概念的语义关系、层次结构和继承关系等因素，尽可能的地提高在特定领域中的信息检索效率，并最后通过实验，验证了该方法的可行性。
关键词：语义检索；概念语义树；语义相似度中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2011)16-3809-02Research on Method of Semantic Similarity Based on Concept Semantic TreeHAN Xin, QIN Fan(School of Electronics and Computer Science and Technology, North University of China, Taiyuan 030051, China)Abstract: At present, the application of information retrieval has been widely used, but it is still a difficult thing to be accurate in the specific field of searching. This paper provides a semantic similarity calculation method based on the concept semantic tree, considering the concept of the semantic relations, hierarchies, and inheritance and other factors, as much as possible to improve retrieval efficiency in specific areas of information, and at final, demonstrate the feasibility of the method by experiment.Key words: semantic retrieval; concept semantic tree; semantic similarity传统的信息检索都是基于关键词查询的，因此在检索时可能会出现一堆用户并不真正需要的信息，导致查询结果的准确率很低，查全率也不令人满意，会出现“表达差异”，“词汇孤岛”等问题。
短文本相似度最好算法
下面我将介绍几种目前被认为较好的短文本相似度算法：
1.基于词向量的方法：词向量是将每个词映射到一个实数向量的表示
方法。
这种方法先将短文本中的词转换成词向量，然后计算两个短文本的
词向量之间的相似度。
这种方法能够捕捉到词语的语义信息，但对于短文
本来说可能存在词量不足的问题。
2.基于句子向量的方法：句子向量是将整个句子映射到一个实数向量
的表示方法。
这种方法在计算相似度时直接比较两个句子的向量。
这种方
法能够捕捉到整个句子的语义信息，但在捕捉细粒度的语义差异上可能存
在一定的限制。
3.基于注意力机制的方法：注意力机制是一种用来选择输入中相关部
分的机制。
这种方法可以通过计算两个短文本中每个词之间的注意力得分，来衡量两个短文本的相似度。
通过引入注意力机制，可以更加细致地考虑
不同词的重要性。
4.基于图神经网络的方法：图神经网络是一种能够处理图结构数据的
神经网络模型。
在短文本相似度任务中，可以将每个短文本看作一个节点，将两个短文本之间的相似度看作边的权重，从而构建一个图结构。
通过图
神经网络的学习和推理，可以得到两个短文本的相似度。
以上是一些常见的短文本相似度算法，它们各有优缺点，适用于不同
的场景和数据集。
在实际应用中，还可以根据具体需求选择合适的算法或
者进行组合使用，以达到最好的相似度计算效果。
语义文本相似度计算方法研究综述目录一、内容概括 (2)1.1 研究背景 (3)1.2 研究意义 (3)1.3 文献综述目的与结构 (5)二、基于词向量的语义文本相似度计算 (5)2.1 词向量表示方法 (7)2.2 基于词向量的相似度计算方法 (8)2.3 词向量模型优化 (9)三、基于深度学习的语义文本相似度计算 (10)3.1 循环神经网络 (11)3.2 卷积神经网络 (13)3.3 自注意力机制 (14)四、基于图的方法 (15)4.1 图表示方法 (16)4.2 图上采样与聚类 (18)4.3 图匹配算法 (19)五、混合方法 (21)5.1 结合多种表示方法的混合策略 (22)5.2 不同任务间的知识迁移 (23)六、评估与优化 (24)6.1 评估指标 (25)6.2 算法优化策略 (26)七、应用领域 (28)7.1 自然语言处理 (29)7.2 信息检索 (30)7.3 问答系统 (32)7.4 多模态语义理解 (33)八、结论与展望 (34)8.1 研究成果总结 (35)8.2 现有方法的局限性 (37)8.3 未来发展方向 (38)8.4 对研究者的建议 (39)一、内容概括语义文本表示与相似度计算方法：首先介绍了语义文本表示的基本概念和方法，包括词向量、句子向量、文档向量等，以及这些表示方法在相似度计算中的应用。
基于统计的方法：介绍了一些基于统计的文本相似度计算方法，如余弦相似度、Jaccard相似度、欧几里得距离等，分析了它们的优缺点及应用场景。
基于机器学习的方法：介绍了一些基于机器学习的文本相似度计算方法，如支持向量机(SVM)、朴素贝叶斯(NB)、最大熵模型(ME)等，讨论了它们的原理、优缺点及适用性。
深度学习方法：重点介绍了近年来兴起的深度学习方法在语义文本相似度计算中的应用，如循环神经网络(RNN)、长短时记忆网络(LSTM)、门控循环单元(GRU)等，分析了它们在文本相似度计算中的性能及局限性。
一种基于复杂网络的短文本语义相似度计算
詹志建;杨小平
【期刊名称】《中文信息学报》
【年(卷),期】2016(30)4
【摘要】将传统的文本相似度量方法直接移植到短文本时,由于短文本内容简短的特性会导致数据稀疏而造成计算结果出现偏差.该文通过使用复杂网络表征短文本,提出了一种新的短文本相似度量方法.该方法首先对短文本进行预处理,然后对短文本建立复杂网络模型,计算短文本词语的复杂网络特征值,再借助外部工具计算短文本词语之间的语义相似度,然后结合短文本语义相似度定义计算短文本之间的相似度.最后在基准数据集上进行聚类实验,验证本文提出的短文本相似度计算方法在基于F-度量值标准上,优于传统的TF-IDF方法和另一种基于词项语义相似度的计算方法.
【总页数】11页(P71-80,89)
【作者】詹志建;杨小平
【作者单位】中国人民大学信息学院,北京100872;中国人民大学信息学院,北京100872
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于词向量与框架语义分析的句子相似度计算方法 [J], 刘馨婷;蔡晓东
2.一种基于语义与结构的句子相似度计算方法 [J], 张艳杰;邵雄凯;刘建舟
3.一种基于WordNet的短文本语义相似性算法 [J], 翟延冬;王康平;张东娜;黄岚;周春光
4.一种基于语义与句法结构的短文本相似度计算方法 [J], 赵谦;荆琪;李爱萍;段利国
5.一种基于WordNet的混合式语义相似度计算方法 [J], 张思琪;邢薇薇;蔡圆媛因版权原因，仅展示原文概要，查看原文内容请购买。
基于语义相似度的本体概念更新方法研究李婉婉;张英俊;潘理虎【期刊名称】《计算机应用与软件》【年(卷),期】2018(035)004【摘要】To realize the automatic updating of ontology concepts and reduce the excessive dependence on domain experts,a semantic similarity-based ontology concept update method (SSOCUM) was proposed.An improved similarity algorithm based on WordNet was implemented.Based on the calculation of the path length,the algorithm took into account the concept of the node depth and the impact of the amount of information on the similarity.To make up several inadequacies that semantic information of property was neglected by WordNet-based similarity algorithm,property similarity was taken into account to make an adjustment.Through experimental comparison,it is verified that the Pearson coefficient between the improved algorithm and the standard data set is higher than the traditional algorithm,and the calculation result as closer to human subjective judgment.The constructed SSOCUM algorithm was used to analyse the ontology of coal mine ventilation system.The results show that the SSOCUM algorithm can help to automatically add ontology new concepts,and has certain accuracy and validity.%为了实现本体概念的自动更新,减少对领域专家的过多依赖,给出一种基于语义相似度的本体概念更新方法SSOCUM(Semantic Similarity-basedOntology Concept Update Method).实现一种改进的基于WordNet的相似度算法,该算法在计算路径长度的基础上,综合考虑了概念的节点深度以及信息量对相似度的影响.为了弥补基于WordNet的相似度算法没有考虑概念属性所携带的语义信息的不足,加入属性相似度对其进行调整.通过实验对比,验证了改进算法的计算结果与标准数据集之间的皮尔森系数高于传统算法,计算结果更接近于人的主观判断.采用构建好的煤矿领域通风系统本体对SSOCUM算法进行实验分析.结果表明,SSOCUM算法有助于本体新概念的自动添加,并具有一定的准确性和有效性.【总页数】6页(P15-20)【作者】李婉婉;张英俊;潘理虎【作者单位】太原科技大学计算机科学与技术学院山西太原030024;太原科技大学计算机科学与技术学院山西太原030024;太原科技大学计算机科学与技术学院山西太原030024;中国科学院地理科学与资源研究所北京100101【正文语种】中文【中图分类】TP301.6【相关文献】1.基于概念语义树的语义相似度计算方法研究 [J], 韩欣;秦帆2.基于语义相似度的领域本体概念更新方法研究 [J], 周运;刘栋3.自动更新的本体概念语义相似度计算 [J], 王栋;吴军华4.基于本体的概念间语义相似度计算方法研究 [J], 徐德智;王怀民5.面向医学领域的概念语义本体相似度度量理论与方法研究 [J], 王凯因版权原因，仅展示原文概要，查看原文内容请购买。
改进的基于概念相似度的文本检索
吕刚;郑诚
【期刊名称】《计算机工程》
【年(卷),期】2010(36)12
【摘要】为提高信息检索的查全率和查准率,提出改进的本体语义相似度计算方法,利用本体中概念语义相似度对检索结果文档的分值进行重新计算,过滤掉与原始查询相关度较小的文档.给出定义查询扩展中的迭代参数,减少进行扩展的次数,提高查询效率.利用开源工具Jena,Lucene进行文本语义检索测试,验证该方法的可行性和有效性.
【总页数】3页(P55-57)
【作者】吕刚;郑诚
【作者单位】安徽大学计算智能与信号处理教育部重点实验室,合肥,230039;合肥学院网络与智能信息处理重点实验室,合肥,230601;安徽大学计算智能与信号处理教育部重点实验室,合肥,230039
【正文语种】中文
【中图分类】TP311.13
【相关文献】
1.基于森林病虫害领域本体的概念相似度算法改进 [J], 陈志飞;岳琪;陈广胜
2.基于同义词扩展的文本检索改进研究 [J], 赵医娟;潘来奇
3.一种改进的基于本体概念相似度计算方法研究 [J], 刘影;陈立;宋自林;董庆超;陈
兴华;朱卫星;何继贤
4.Web服务匹配中基于语义距离的概念相似度计算方法的改进 [J], 徐红艳;方欣;冯勇
5.一种改进的基于加权模型的概念相似度计算方法 [J], 刘欣荣;阳光
因版权原因，仅展示原文概要，查看原文内容请购买。
