Please wait a minute...
Advanced Search
现代图书情报技术  2007, Vol. 2 Issue (3): 51-54     https://doi.org/10.11925/infotech.1003-3513.2007.03.11
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
FCA中的概念语义相似度计算
张晓孪 王西锋
(宝鸡文理学院计算机科学系 宝鸡  721007)
Computation of the Concept Semantic Similarity in FCA
Zhang Xiaoluan   Wang Xifeng
(Department of Computer Science, Baoji College of  Arts and Science, Baoji 721007, China)
全文: PDF (465 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

形式概念分析和领域本体是两种形式化方法,其目标都是构建概念的模型。提出一种计算FCA中的概念语义相似度的方法,实验结果表明,该方法对概念语义相似度计算是有效的。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
王西锋
张晓孪
关键词 形式概念分析领域本体语义相似度    
Abstract

Both Formal Concept Analysis (FCA) and domain Ontologies are two kinds of knowledge representations formalisms and their aims are at modeling concepts. This paper proposes a method to compute the similarity between concepts in FCA. The experimental result shows this method is effective for concept similarity computation.

Key wordsFormal concept analysis    Domain Ontologies    Semantic similarity
收稿日期: 2007-01-15      出版日期: 2007-03-25
ZTFLH: 

TP391

 
通讯作者: 张晓孪     E-mail: bjwlxyzxl@163.com
作者简介: 张晓孪,王西锋
引用本文:   
张晓孪,王西锋 . FCA中的概念语义相似度计算[J]. 现代图书情报技术, 2007, 2(3): 51-54.
Zhang Xiaoluan,Wang Xifeng . Computation of the Concept Semantic Similarity in FCA. New Technology of Library and Information Service, 2007, 2(3): 51-54.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2007.03.11      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2007/V2/I3/51

徐德智,郑春卉等. 基于SUMO的概念语义相似度研究. 计算机应用,2006, 26(1): 180-183
2Ganter B, Wille R. Formal Concept Analysis: Mathematical Foundations. Springer, Heidelberg, 1999
3Borst W N. Construction of Engineering Ontologies for Knowledge Sharing and Reuse. PhD thesis, University of Twente, Enschede, 1997
4Galil Z. Efficient Algorithms for Finding Maximum Matching in Graphs. ACM Computing Surveys, 1986 (18): 23-38

[1] 刘萍,彭小芳. 基于形式概念分析的词汇相似度计算*[J]. 数据分析与知识发现, 2020, 4(5): 66-74.
[2] 马捷,葛岩,蒲泓宇. 属性约简方法研究综述*[J]. 数据分析与知识发现, 2020, 4(1): 40-50.
[3] 严娇,马静,房康. 基于融合共现距离的句法网络下文本语义相似度计算 *[J]. 数据分析与知识发现, 2019, 3(12): 93-100.
[4] 何有世, 何述芳. 基于领域本体的产品网络口碑信息多层次细粒度情感挖掘*[J]. 数据分析与知识发现, 2018, 2(8): 60-68.
[5] 庞贝贝, 苟娟琼, 穆文歆. 面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究*[J]. 数据分析与知识发现, 2018, 2(6): 92-101.
[6] 刘萍, 李亚楠, 郁聪. 面向学术搜索的交互式知识地图建构研究*[J]. 数据分析与知识发现, 2018, 2(12): 43-51.
[7] 陈二静, 姜恩波. 文本相似度计算方法研究综述[J]. 数据分析与知识发现, 2017, 1(6): 1-11.
[8] 翟东升, 蔡文浩, 张杰, 李振飞. 改进的中文商标语义相似度计算方法研究[J]. 数据分析与知识发现, 2017, 1(11): 19-28.
[9] 刘健,毕强,刘庆旭,王福. 数字文献资源内容服务推荐研究*——基于本体规则推理和语义相似度计算[J]. 现代图书情报技术, 2016, 32(9): 70-77.
[10] 陆佳莹,袁勤俭,黄奇,钱韵洁. 基于概念格理论的产品领域本体构建研究*[J]. 现代图书情报技术, 2016, 32(5): 38-46.
[11] 巴志超,李纲,朱世伟. 基于语义网络的研究兴趣相似性度量方法*[J]. 现代图书情报技术, 2016, 32(4): 81-90.
[12] 毕强, 刘健, 鲍玉来. 基于语义相似度的文本聚类研究*[J]. 数据分析与知识发现, 2016, 32(12): 9-16.
[13] 鲍玉来,毕强. 蒙古文音乐领域的语义检索初探*[J]. 现代图书情报技术, 2016, 32(11): 94-100.
[14] 张帆, 乐小虬. 领域科技文献创新点句中主题属性实例识别方法研究[J]. 现代图书情报技术, 2015, 31(5): 15-23.
[15] 段宇锋, 朱雯晶, 陈巧, 刘伟, 刘凤红. 条件随机场与领域本体元素集相结合的未登录词识别研究[J]. 现代图书情报技术, 2015, 31(4): 41-49.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn