伍振興

基于WordNet的概念格間語(yǔ)義相似度計(jì)算方法

伍振興

本文提出了一種基于WordNet的概念格間語(yǔ)義相似度計(jì)算方法，該方法利用WordNet中各詞匯之間的結(jié)構(gòu)關(guān)系，參考其各詞匯間的距離、密度、深度來(lái)計(jì)算各概念間的語(yǔ)義相似度來(lái)反映概念間的語(yǔ)義關(guān)系，然后根據(jù)概念與其他的概念格中的語(yǔ)義相似度來(lái)計(jì)算兩個(gè)概念格間的語(yǔ)義相似度，為以后的研究做準(zhǔn)備。但是這種方法尚不完善，需進(jìn)一步進(jìn)行擴(kuò)展與改進(jìn)。

概念格具有良好的概念與概念之間的層次結(jié)構(gòu)，已經(jīng)被廣泛應(yīng)用于軟件工程、信息檢索、數(shù)據(jù)挖掘等領(lǐng)域。但現(xiàn)如今對(duì)于各概念格之間的相似度計(jì)算和匹配的研究則相對(duì)較少。本文提出了一種基于WordNet的概念格間語(yǔ)義相似度計(jì)算方法，該方法利用WordNet中各詞匯之間的結(jié)構(gòu)關(guān)系，研究?jī)蓚€(gè)概念格之間的語(yǔ)義相似度計(jì)算，為以后概念格間的語(yǔ)義匹配做準(zhǔn)備。

概念格

概念格，又稱為Galois格，是德國(guó)數(shù)學(xué)家Wille R.于1982年首次提的。概念格是根據(jù)數(shù)據(jù)集中對(duì)象與屬性之間的二元關(guān)系建立的一種概念層次結(jié)構(gòu)，體現(xiàn)了概念之間的泛化和特化關(guān)系。

定義 稱（U，A，I）為一個(gè)形式背景，其中U=｛x1，x2，…，xn｝為對(duì)象集，每個(gè)xi（i≤n）稱為一個(gè)對(duì)象；A=｛a1,a2,…,am｝為屬性集，每個(gè)ai（i≤m）稱為一個(gè)屬性；I 為U 和A之間的二元關(guān)系，I?U ×A .若（x，a） ∈I ，則說(shuō)x 具有屬性a ，記為xIa 。

若用1表示（x，a ）∈I ，用0表示（x,a）?I ，這樣的形式背景就可以表示為只有0和1的表格。

對(duì)于形式背景（U,A,I），在對(duì)象集X?U 和屬性集B?A上 分別定義運(yùn)算：

?x∈U ，記｛x｝*為x*；?a∈A， 記｛a｝*為a*.若?x∈U ，x*≠?，x*≠A， 且?a∈A， a*≠?，a*≠U則稱該形式背景（U,A,I）是正則的。

定義 2 設(shè)（U,A,I）為形式背景。如果一個(gè)二元組（X,B）滿足X?=B ，且B?=X ，則稱（X,B）是一個(gè)形式概念，簡(jiǎn)稱概念。其中X 稱為概念的外延，B稱為概念的內(nèi)涵。

概念格的每個(gè)節(jié)點(diǎn)是一個(gè)形式概念，由兩部分組成：外延，即概念所覆蓋的實(shí)例；內(nèi)涵，即該概念所覆蓋實(shí)例的共同特征。概念格可以圖形化形式表示為有標(biāo)號(hào)的線圖，圖中的節(jié)點(diǎn)表示一個(gè)概念，節(jié)點(diǎn)間的連線表示節(jié)點(diǎn)間存在泛化與特化關(guān)系，這種線圖也稱為Hasse圖。它是概念格的可視化表示。

WordNet簡(jiǎn)介

WordNet是一個(gè)大型的英語(yǔ)詞匯數(shù)據(jù)庫(kù)，它來(lái)源于美國(guó)Princeton大學(xué)GeorgeA.Miller教授所主持的一項(xiàng)知識(shí)工程的項(xiàng)目。WordNet是按照詞匯的語(yǔ)義關(guān)系來(lái)組織詞匯，它使用同義詞集合來(lái)表示概念，而這些概念集合則通過其中的某一特定的關(guān)系或者結(jié)構(gòu)來(lái)相互連接，形成一個(gè)大型的樹形結(jié)構(gòu)。目前WordNet中的詞匯數(shù)量已經(jīng)近20萬(wàn)條，并且每月超千條的速度不斷的增長(zhǎng)。

WordNet之間存在著兩種關(guān)系：語(yǔ)義關(guān)系和詞匯關(guān)系。其中詞匯關(guān)系指詞形之間所存在的關(guān)系，語(yǔ)義關(guān)系指詞義之間存在的關(guān)系。這些關(guān)系中比較重要的是同義關(guān)系、近似關(guān)系、反義關(guān)系、上下位關(guān)系和部分整體關(guān)系。

（1）同義關(guān)系是WordNet中最基本的關(guān)系，它屬于詞匯關(guān)系，是形成同義詞集的基礎(chǔ)。在WordNet中，同義關(guān)系并不是說(shuō)兩個(gè)詞匯在任何語(yǔ)境下都可以相互交換的，而是指在某一特定的語(yǔ)境下，這兩個(gè)詞可以交換。

（2）反義關(guān)系和近似關(guān)系是指形容詞集之間的關(guān)系，它是語(yǔ)義關(guān)系。在WordNet中形容詞集的組織結(jié)構(gòu)主要依靠反義關(guān)系和近似關(guān)系。形容詞集是按簇（Cluster）組織的，每個(gè)簇都包含一個(gè)主節(jié)點(diǎn)（Head Synset），大多數(shù)的主節(jié)點(diǎn)都有一個(gè)或多個(gè)附屬節(jié)點(diǎn)（Satellite Synset），主節(jié)點(diǎn)和附屬節(jié)點(diǎn)間通過近似關(guān)系連接。其中每個(gè)主節(jié)點(diǎn)中至少存在一個(gè)詞和另外一個(gè)簇中的主節(jié)點(diǎn)所包含的詞間存在反義關(guān)系。

（3）上下位關(guān)系是WordNet中最重要的關(guān)系之一，是屬于語(yǔ)義關(guān)系，指在動(dòng)詞集和名詞集上的關(guān)系，基于這種關(guān)系形成了動(dòng)詞集和名詞集上的層次結(jié)構(gòu)。相對(duì)于下位詞，上位詞是一個(gè)通用術(shù)語(yǔ)，它表示由所有實(shí)例構(gòu)成的一個(gè)類的整體；相對(duì)于上位詞，下位詞是一個(gè)具體術(shù)語(yǔ)，它表示類中的一個(gè)實(shí)例。

（4）部分整體關(guān)系是WordNet中另外一種重要的關(guān)系，和上下位關(guān)系一樣同屬語(yǔ)義關(guān)系，是指在名詞集上的關(guān)系。在WordNet中，部分整體關(guān)系通常被分成三類：即對(duì)于任意給定的兩個(gè)名詞集S1和S2，若S1是整體，S2是部分，則S2或者是S1的成員，或者是構(gòu)成S1的材料，或者是S1的組成部分。

一種基于WordNet的概念格間語(yǔ)義相似度計(jì)算方法

概念間的語(yǔ)義相似度計(jì)算

從語(yǔ)義上講，概念格中的概念關(guān)系主要有分為以下四種：（1）part-of關(guān)系，概念間整體與部分的關(guān)系；（2）kind-of關(guān)系，概念間的超概念和子概念的關(guān)系，（3）instance-of關(guān)系，概念中的具體和抽象的關(guān)系，（4）attribute-of關(guān)系；概念與屬性的關(guān)系。但是也有些學(xué)者將概念間的語(yǔ)義關(guān)系拓展到概念間的行為關(guān)系和因果關(guān)系等。

依據(jù)參照WordNet本體來(lái)判斷概念之間的語(yǔ)義和結(jié)構(gòu)關(guān)系，利用概念間的關(guān)系組成的圖形結(jié)構(gòu)，參考概念間的距離、密度、深度來(lái)計(jì)算各概念間的語(yǔ)義相似度來(lái)反映概念間的語(yǔ)義關(guān)系為后期的工作做準(zhǔn)備。概念間的距離越近、深度越深，密度越大，那么相似度越大。同等情況之下，離根遠(yuǎn)的概念間的語(yǔ)義相似度和結(jié)構(gòu)肯定要比離根近的概念要大而且結(jié)構(gòu)越相似。因此本文相似度的計(jì)算將深度、密度和距離作為參考因素之一。

其中simd表示概念間距離的相似度計(jì)算，參數(shù)dist表示兩個(gè)概念在WordNet中的距離，θ是一個(gè)閾值參數(shù)。距離越大，simd的值就越小，當(dāng)兩個(gè)概念間的距離超過θ時(shí)，那么就認(rèn)為相似度為0。

其中simm表示概念間密度的相似度，NUM表示從當(dāng)前兩個(gè)概念往上找到最近的超概念，然后統(tǒng)計(jì)從超概念到當(dāng)前兩個(gè)概念間的所有概念的個(gè)數(shù)（含當(dāng)前兩個(gè)概念和超概念）。若當(dāng)前兩個(gè)概念與超概念間沒有其他概念，則simm為1。

其中sims表示概念間深度的相似度計(jì)算，參數(shù)DeepTotal表示在WordNet整棵語(yǔ)義樹中深度，參數(shù)deepth是兩個(gè)概念的深度最深的那個(gè)值。深度越大，sims的值就越大。

綜合考慮概念間的密度，深度和距離三個(gè)因素，根據(jù)（3）（4）（5）三個(gè)計(jì)算方式，基于WordNet中的兩個(gè)概念的語(yǔ)義相似度為：

其中α+β+μ=1，α、β、μ分別為距離、密度和深度的權(quán)重。

概念與另外概念格語(yǔ)義相似度的計(jì)算

根據(jù)上述公式（3）（4）（5）（6）來(lái)計(jì)算兩個(gè)概念格中的概念基于WordNet的語(yǔ)義相似度計(jì)算方法，本文可以計(jì)算得出概念格L1中的概念Ci到另外一個(gè)概念格L2中所有概念的相似度，找出相似度最大的語(yǔ)義相似度的候選概念結(jié)點(diǎn)，根據(jù)概念格的特性，可以找出與其最近的候選概念的子結(jié)點(diǎn)，層層迭代，可以得出概念Ci到概念格L2關(guān)系最緊密的一條路徑Ri，那么該概念結(jié)點(diǎn)Ci到概念格L2的相似度計(jì)算如下：

其中n為路徑Ri上各概念結(jié)點(diǎn)的個(gè)數(shù)，θi為路徑Ri上各概念結(jié)點(diǎn)的權(quán)重。越是概念相似度越高的概念，兩結(jié)點(diǎn)之間的語(yǔ)義關(guān)系或詞匯關(guān)系越近，θi的值越大，其中

概念格間的語(yǔ)義相似度計(jì)算

本文可以根據(jù)公式（7）得出的概念Ci到另外一個(gè)概念格L2中的相似度計(jì)算度，而后將此計(jì)算方法擴(kuò)展到概念格L1中的所有概念結(jié)點(diǎn)，然后選取所有相似度的平均值作為概念格L1和L2的相似度。

其中n為概念格L1上概念結(jié)點(diǎn)的個(gè)數(shù)。

結(jié)束語(yǔ)

本文提出了一種基于WordNet的概念格間語(yǔ)義相似度計(jì)算方法，該方法利用WordNet中各詞匯之間的結(jié)構(gòu)關(guān)系，參考其各詞匯間的距離、密度、深度來(lái)計(jì)算各概念間的語(yǔ)義相似度來(lái)反映概念間的語(yǔ)義關(guān)系，然后根據(jù)概念與其他的概念格中的語(yǔ)義相似度來(lái)計(jì)算兩個(gè)概念格間的語(yǔ)義相似度，為以后的研究做準(zhǔn)備。但是這種方法尚不完善，需進(jìn)一步進(jìn)行擴(kuò)展與改進(jìn)。

10.3969/j.issn.1001-8972.2015.09.011