劉平峰，朱孔真，聶規(guī)劃

(武漢理工大學(xué)經(jīng)濟(jì)學(xué)院，湖北 武漢430070)

由于數(shù)字家庭業(yè)務(wù)不斷發(fā)展，數(shù)字家庭服務(wù)運(yùn)營(yíng)平臺(tái)上聚集了大量來自不同提供商的各種服務(wù)資源，為使用戶在海量資源中貼切表達(dá)需求，更準(zhǔn)確地尋找自己喜歡的資源，這就要求實(shí)現(xiàn)服務(wù)資源關(guān)聯(lián)互動(dòng)，向用戶智能推薦服務(wù)資源。然而不同服務(wù)資源提供商對(duì)資源的描述廣泛存在一義多詞和一詞多義的語義異構(gòu)問題，例如在電視購(gòu)物中的自行車、單車、腳踏車等一義多詞現(xiàn)象，在多媒體點(diǎn)播中的“非誠(chéng)勿擾”一詞既是一部電影，也是一個(gè)綜藝節(jié)目等一詞多義現(xiàn)象。這造成了數(shù)字家庭資源目錄和內(nèi)容描述術(shù)語間的關(guān)聯(lián)關(guān)系難以識(shí)別，降低了服務(wù)資源推薦的準(zhǔn)確率。

目前比較成熟的推薦技術(shù)有基于內(nèi)容過濾推薦技術(shù)［1］、協(xié)同過濾推薦技術(shù)［2］和基于知識(shí)的推薦技術(shù)［3］等，但是這些推薦技術(shù)均未考慮到語義異構(gòu)問題，基于語義相似度的推薦是解決該問題的辦法。由于基于語義的推薦技術(shù)［4］具有推薦層次高、精度高等優(yōu)勢(shì)，但其中語義相似度和語義相關(guān)度的計(jì)算依賴于領(lǐng)域語義詞典［5］。綜觀國(guó)內(nèi)外語義詞典的相關(guān)研究成果，國(guó)際上現(xiàn)有的通用WordNet 語義詞典雖然提供了大量的術(shù)語間的語義關(guān)系，并提供接口，具有可操作性，但卻無法支持中文環(huán)境下的語義計(jì)算［6］;國(guó)內(nèi)現(xiàn)有的語義詞典HowNet 雖然提供了一些中文術(shù)語間的語義關(guān)系，但它是通用詞典，沒有提供數(shù)字家庭服務(wù)中的相關(guān)術(shù)語，并且未提供接口，可擴(kuò)展性和可操作性受到限制，無法適應(yīng)中文環(huán)境下面向數(shù)字家庭運(yùn)營(yíng)的服務(wù)資源推薦語義的計(jì)算要求［7］。因此，構(gòu)建中文數(shù)字家庭(以下簡(jiǎn)稱CDHome)語義詞典，為數(shù)字家庭服務(wù)資源推薦提供語義計(jì)算的接口，以提高推薦精度和質(zhì)量，是亟待解決的問題。

1 語義詞典設(shè)計(jì)

1.1 語義詞典結(jié)構(gòu)

語義詞典結(jié)構(gòu)的設(shè)計(jì)是開發(fā)語義詞典的重點(diǎn)。通常在描述一個(gè)服務(wù)資源時(shí)，只需要了解它的同類資源、構(gòu)成部件和資源屬性即可。鑒于WordNet 的廣泛應(yīng)用性和影響力，以及WordNet以同義詞集合作為最基本構(gòu)造單位的特點(diǎn)［8］，最符合解決數(shù)據(jù)表達(dá)異構(gòu)問題的需要，CDHome 語義詞典的詞庫(kù)結(jié)構(gòu)采用了類WordNet 的結(jié)構(gòu)。

如圖1 所示，在CDHome 語義詞典中，語義關(guān)系模型用4 元組＜I，A，S，M ＞表示，其中I 為層次關(guān)系，是語義詞典最基本語義類型，包括上位詞匯和下位詞匯，將每個(gè)概念映射到語義樹(如圖2所示)中，從而構(gòu)成整個(gè)語義詞典的基本框架;A為屬性關(guān)系，利用一個(gè)N 元組表示，包括服務(wù)資源的屬性和屬性值;S 為同義關(guān)系;M 為整體部分關(guān)系，包括該資源的構(gòu)成部分。

圖1 數(shù)碼相機(jī)在語義詞典中語義關(guān)系模型

圖2 CDHome 中“電腦”相關(guān)語義樹結(jié)構(gòu)

1.2 詞匯獲取填充

CDHome 語義詞典1.0 版本現(xiàn)收錄資源目錄概念20 200 個(gè)、商品實(shí)例150 個(gè)、多媒體實(shí)例2 200個(gè)，其中概念詞匯及其關(guān)系的獲取主要借鑒文獻(xiàn)［9］，采取了本體學(xué)習(xí)技術(shù)為主、人工編纂為輔的構(gòu)建方法，資源目錄概念的收集參考eCl@SS 國(guó)際化標(biāo)準(zhǔn)，編碼參考分層次分類系統(tǒng)UNSPSC，然后映射成數(shù)據(jù)庫(kù)模式，實(shí)現(xiàn)了CDHome 語義詞典的樹狀結(jié)構(gòu)。對(duì)于多媒體及商品實(shí)例的獲取，依照CDHome 語義關(guān)系模型，利用“火車頭”軟件編寫抓取模塊，抓取了華數(shù)TV 視頻庫(kù)中的電影、電視劇2 200 部及亞馬遜在線商城中數(shù)碼相機(jī)實(shí)體150 個(gè)。

1.3 語義相似度算法

基于語義相似度的計(jì)算方法主要包括兩種途徑:①基于語義樹上概念之間的語義距離，利用同義詞詞典計(jì)算相似度，如Hirst－St－Onge［10］語義相似度算法、Leacock－Chodoraw［11］算法、Wu－Palmer［12］算法等;②基于大規(guī)模的本體庫(kù)統(tǒng)計(jì)信息，利用詞語的相關(guān)性來計(jì)算相似度。通常選取一組特征詞，利用在實(shí)際大規(guī)模本體庫(kù)中上下文的出現(xiàn)頻率得到相關(guān)性的特征向量，用向量的夾角余弦來計(jì)算相似度?？紤]到規(guī)模性等因素，CDHome 語義詞典語義相似度計(jì)算采取第一種計(jì)算方法中的Wu－Palmer 算法，即:

其中:sim(c1，c2)為概念c1與概念c2的語義相似度;lso(c1，c2)為最近共有祖先;depth(c)為c的深度。假設(shè)現(xiàn)要計(jì)算圖2 中個(gè)人電腦和服務(wù)器的語義相似度，根據(jù)式(1)，個(gè)人電腦與服務(wù)器最近的祖先詞匯是計(jì)算機(jī)，則:

sim(個(gè)人電腦，服務(wù)器)=［2 × depth(計(jì)算機(jī))］/［len(個(gè)人電腦，計(jì)算機(jī))+len(服務(wù)器，計(jì)算機(jī))+2 ×depth(計(jì)算機(jī))］=(2 ×5)/(2 +1 +2 ×5)=0.77

同理，個(gè)人電腦與手提電腦最近的祖先詞匯是個(gè)人電腦，sim(個(gè)人電腦，手提電腦)=0.93。

2 語義詞典實(shí)現(xiàn)

CDHome 語義詞典系統(tǒng)采用C/S 架構(gòu)設(shè)計(jì)，選用Windows 環(huán)境下復(fù)雜且靈活的Eclipse RCP技術(shù)框架和SQL Server 2008 數(shù)據(jù)庫(kù)構(gòu)建，系統(tǒng)由語義詞典數(shù)據(jù)庫(kù)和建立在數(shù)據(jù)庫(kù)基礎(chǔ)上的語義詞典管理系統(tǒng)組成。如圖3 所示，該系統(tǒng)由3 個(gè)模塊組成，即語義詞典編纂模塊、語義詞典管理模塊和語義詞典查詢模塊。

圖3 CDHome 體系結(jié)構(gòu)

CDHome 語義詞典軟件主要實(shí)現(xiàn)詞庫(kù)的管理和維護(hù)，為用戶提供概念的可視化查詢、詞庫(kù)的簡(jiǎn)單編輯等功能。如圖4 所示，與傳統(tǒng)電子詞典最大的不同是，CDHome 語義詞典提供了針對(duì)數(shù)字家庭服務(wù)資源概念的完備查詢。它的主要功能有:①查詢功能，包括概念查詢和概念關(guān)系查詢，為客戶提供圖形化查詢界面，查詢?cè)~匯在詞典中所在層次、相關(guān)概念、同義詞匯以及該概念的屬性、組成部分等語義關(guān)系;②編輯功能，對(duì)錄入詞匯進(jìn)行分類、語義關(guān)系確定，添加、修改和刪除語義詞典數(shù)據(jù)庫(kù)中的記錄。要求對(duì)錄入詞匯的語義關(guān)系進(jìn)行自動(dòng)檢查，能發(fā)現(xiàn)語義關(guān)系建立不符合預(yù)定規(guī)則的錯(cuò)誤詞匯;③管理功能，主要負(fù)責(zé)語義詞典數(shù)據(jù)庫(kù)的維護(hù)，詞庫(kù)版本更新，批量概念自動(dòng)導(dǎo)入等;④相似度計(jì)算，可根據(jù)式(1)計(jì)算詞典中任意兩個(gè)詞匯的語義相似度大小。

圖4 CDHome 語義詞典查詢結(jié)果界面

3 語義詞典應(yīng)用

3.1 基于語義詞典的資源推薦

由于CDHome 語義詞典中存儲(chǔ)了數(shù)字家庭多媒體點(diǎn)播和高清購(gòu)物相關(guān)的服務(wù)資源及其屬性，且為服務(wù)資源智能推薦系統(tǒng)提供了語義查詢接口，可單獨(dú)作為用戶查詢服務(wù)資源的接口，查詢語義詞典收錄了2 萬余條概念的上下位關(guān)系、屬性關(guān)系、同義詞關(guān)系以及整體部分關(guān)系。

同時(shí)，語義詞典還提供語義匹配接口，可計(jì)算不同概念之間的相似度。在數(shù)字家庭服務(wù)資源推薦中，可以利用CDHome 語義詞典查詢與用戶當(dāng)前消費(fèi)的服務(wù)資源或與用戶偏好具有高語義相似度的資源，將其推薦給用戶。例如，數(shù)字家庭服務(wù)資源智能推薦系統(tǒng)根據(jù)用戶歷史行為分析出其非常喜歡“冒險(xiǎn)”類型的電影，然后推薦系統(tǒng)調(diào)用CDHome 語義詞典的語義相似度計(jì)算接口，計(jì)算與“冒險(xiǎn)”這個(gè)概念語義相似度大于推薦系統(tǒng)預(yù)定義閾值(設(shè)定為0.7)的概念，經(jīng)計(jì)算，高于該閾值的電影類型屬性概念有“奇幻”、“驚悚”、“恐怖”，因此，數(shù)字家庭智能推薦系統(tǒng)就可以向用戶推薦“奇幻”、“驚悚”、“恐怖”類電影，實(shí)現(xiàn)基于語義相似度的服務(wù)資源推薦功能。

3.2 基于語義相似度的推薦結(jié)果消重

協(xié)同過濾推薦算法的思想是針對(duì)與目標(biāo)用戶最接近的K 個(gè)鄰居用戶來進(jìn)行推薦，利用鄰居用戶對(duì)服務(wù)資源的評(píng)價(jià)來預(yù)測(cè)目標(biāo)用戶未來對(duì)服務(wù)資源的需求［13］。在基于項(xiàng)目的協(xié)同過濾技術(shù)中，最終產(chǎn)生的推薦列表中的服務(wù)資源會(huì)存在同義或相似度較高的情況，從而產(chǎn)生重復(fù)推薦的問題。如圖5 所示，在某用戶購(gòu)買數(shù)碼相機(jī)的推薦中出現(xiàn)了兩個(gè)基本相同的相機(jī)(圖5 中標(biāo)記為相機(jī)Ⅰ、Ⅱ的兩個(gè)矩形框內(nèi))，這時(shí)就可以利用語義詞典對(duì)服務(wù)資源實(shí)例進(jìn)行語義相似度計(jì)算，消除重復(fù)的推薦結(jié)果。

圖5 某電商網(wǎng)站智能推薦頁面

［14］中電子目錄本體實(shí)例消重方法，兩個(gè)實(shí)例I1與I2之間的語義相似度計(jì)算公式為S(I1，I2)=αSC(I1，I2)+βSA(I1，I2)+xSR(I1，I2)，其中SC(I1，I2)為實(shí)例名稱語義相似度，SA(I1，I2)為實(shí)例屬性語義相似度，SR(I1，I2)為實(shí)例關(guān)系語義相似度，α、β、x 為權(quán)重系數(shù)，一般情況下分別取1/3。該例中，由于相機(jī)Ⅰ和相機(jī)Ⅱ名稱相同，并且都屬于富士數(shù)碼相機(jī)分類，故SC(I1，I2)=SR(I1，I2)=1。因此其語義相似度的不同取決于屬性語義相似度。首先，取出兩個(gè)實(shí)例的屬性集合，I1={品牌:富士;型號(hào):JV255;顏色:藍(lán)色;市場(chǎng)價(jià):950 元;折扣:5.8;像素:1 400萬;質(zhì)量:108 g;質(zhì)保期:1 年}，I2={品牌:富士;型號(hào):JV255;顏色:黑色;市場(chǎng)價(jià):950 元;折扣:5.8;像素:1 400 萬;質(zhì)量:108 g;質(zhì)保期:1 年}。然后對(duì)實(shí)例I1、I2的屬性進(jìn)行分類，數(shù)據(jù)類型屬性有市場(chǎng)價(jià)、折扣、型號(hào)、像素、質(zhì)保期和質(zhì)量等，對(duì)象類型屬性有品牌和顏色。最后可參考文獻(xiàn)［14］計(jì)算數(shù)據(jù)類型屬性語義相似度，可得SDA(I1，I2)=1，可參考文獻(xiàn)［15］計(jì)算對(duì)象類型屬性語義相似度，得SOA(I1，I2)=7/9，綜合得到兩個(gè)相機(jī)實(shí)例的屬性語義相似度為SA(I1，I2)=8/9，綜合語義相似度為S(I1，I2)=26/27，如果推薦系統(tǒng)中設(shè)定的閾值大于26/27，則推薦系統(tǒng)將兩個(gè)相機(jī)均推薦給用戶;否則，說明實(shí)例I1與實(shí)例I2之間的相似度已經(jīng)大到足夠說明兩者表示的是相同實(shí)例，故應(yīng)該刪除其中一個(gè)實(shí)例，將第二個(gè)相機(jī)實(shí)例過濾，只推薦第一個(gè)相機(jī)給用戶［16］。

4 結(jié)論及展望

針對(duì)數(shù)字家庭服務(wù)資源描述的語義異構(gòu)性造成服務(wù)資源推薦精度和質(zhì)量低的問題，在國(guó)內(nèi)外通用語義詞典WordNet 和HowNet 的理論研究基礎(chǔ)上，結(jié)合領(lǐng)域詞典設(shè)計(jì)方法，融合Wu－Palmer語義相似度算法，利用Eclipse RCP 開發(fā)技術(shù)，設(shè)計(jì)和實(shí)現(xiàn)了CDHome 語義詞典系統(tǒng)，為數(shù)字家庭服務(wù)資源推薦提供語義查詢與語義計(jì)算功能。該語義詞典具有較強(qiáng)的可擴(kuò)展性，可以方便地基于其進(jìn)行其他領(lǐng)域語義詞典的快速構(gòu)建。目前CDHome語義詞典的概念填充主要采用半手工方式，但是由于領(lǐng)域?qū)I(yè)術(shù)語詞匯量大且不同領(lǐng)域?qū)I(yè)術(shù)語詞匯差異性較大，這種方式需耗用較高的人力和時(shí)間成本，后期將結(jié)合本體自學(xué)習(xí)理論，研究領(lǐng)域語義詞典自動(dòng)填充技術(shù)的實(shí)現(xiàn)。

參考文獻(xiàn):

［1］ 劉枚蓮，劉同存，李小龍.基于用戶興趣特征提取的推薦算法研究［J］. 計(jì)算機(jī)應(yīng)用研究，2011，28(5):1664－1667.

［2］ 王茜，楊莉云，楊德禮.面向用戶偏好的屬性值評(píng)分分布協(xié)同過濾算法［J］. 系統(tǒng)工程學(xué)報(bào)，2010，25(4):561－568.

［3］ 趙英，袁莉. 基于內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)的知識(shí)推薦系統(tǒng)設(shè)計(jì)研究［J］.情報(bào)雜志，2012，31(1):161－165.

［4］ 劉平峰，聶規(guī)劃，陳冬林.語義網(wǎng)技術(shù)在電子商務(wù)中的應(yīng)用研究［J］.情報(bào)雜志，2007(3):98－100.

［5］ LIU H Z，BAO H，XU D. Concept vector for semantic similarity and relatedness based on WordNet structure［J］.The Journal of Systems and Software，2012(85):370－381.

［6］ 邊振興.WordNet 中概念語義相似度IC 參數(shù)模型研究［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47(19):128－131.

［7］ 馮永，張洋. 基于概念間邊權(quán)重的概念相似性計(jì)算方法［J］.計(jì)算機(jī)應(yīng)用，2012，32(1):202－205.

［8］ 曾淑琴，吳揚(yáng)揚(yáng).基于HowNet 的詞語相關(guān)度計(jì)算模型［J］.微型機(jī)與應(yīng)用，2012，31(8):77－80.

［9］ NIE G H，ZHANG B. The design and implementation on Chinese E－ecommerce semantic lexicon ECNET［C］//2008 International Conference on Computer Science and Software Engineering. ［S. l.］:［s.n.］，2008:753－755.

［10］傅魁.基于Web 的本體學(xué)習(xí)研究［D］.武漢:武漢理工大學(xué)圖書館，2007.

［11］PHILIP R.Using information content to evaluate semantic similarity in a taxonomy［R］.［S.l.］:［s.n.］，1995.

［12］JIANG J J，CONRATH D W. Semantic similarity based on corpus statistics and lexical taxonomy［R］.［S.l.］:［s.n.］，1997.

［13］LIN D. An information－theoretic definition of similarity［C］//Proceedings of the Fifteenth International Conference on Machine Learning. SanFranciseo:Morgan Kaufmann Publishers Inc，1998:296－304.

［14］夏培勇. 個(gè)性化推薦技術(shù)中的協(xié)同過濾算法研究［D］.青島:中國(guó)海洋大學(xué)圖書館，2011.

［15］劉平峰，章佩璐，陳冬林.電子目錄本體合并中的實(shí)例消重方法研究［J］.計(jì)算機(jī)工程，2012，38(2):32－35.

［16］聶規(guī)劃，左秀然，陳冬林.本體映射中一種改進(jìn)的概念相似度計(jì)算方法［J］.計(jì)算機(jī)應(yīng)用，2008，28(6):1563－1565.