基于本体的语义相似度计算方法研究综述*

doi:10.11925/infotech.1003-3513.2010.01.10

现代图书情报技术

2010, Vol. 26

Issue (1): 51-56 https://doi.org/10.11925/infotech.1003-3513.2010.01.10

知识组织与知识管理

本期目录 | 过刊浏览 | 高级检索

基于本体的语义相似度计算方法研究综述*

孙海霞¹钱庆¹成颖²

¹(中国医学科学院医学信息研究所北京 100020)
²(南京大学信息管理系南京 210093)

Review of Ontology-based Semantic Similarity Measuring

Sun Haixia¹ Qian Qing¹Cheng Ying²

¹(Institute of Medical Information, Chinese Academy of Medical Sciences, Beijing 100020, China)
²(Department of Information Management, Nanjing University, Nanjing 210093,China)

摘要
参考文献
相关文章
Metrics

全文: PDF (382 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

在对基于本体的词语语义相似度进行界定的基础上，对基于本体的语义相似度研究进行综述，分别阐述基于距离的语义相似度计算、基于内容的语义相似度计算、基于属性的语义相似度计算和混合式语义相似度计算等算法模型，最后从宏观层面指出今后本领域的研究方向。

	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
	孙海霞
	钱庆
	成颖

关键词 ：语义相似度, 语义相似度计算, 本体, 概念匹配

Abstract：

Based on the general definition and dissertation for semantic similarity measuring of Ontology, this paper makes a review of research on the Ontology-based semantic similarity measures，introduces edge counting measures, information content measures, feature-based measures and hybrid measures respectively. At last, it points out the direction of future work from macroscopic perspective.

Key words： Semantic similarity Semantic similarity measuring Ontology Concept-based matching

收稿日期: 2009-11-04 出版日期: 2001-01-25

基金资助:

*本文系中国医学科学院医学信息研究所基本科研业务专项“基于MeSH的语义相似度算法研究” (项目编号：09R0107)的研究成果之一。

通讯作者: 孙海霞 E-mail: sun.haixia@imicams.ac.cn

作者简介: 孙海霞,钱庆,成颖

引用本文:

孙海霞,钱庆,成颖. 基于本体的语义相似度计算方法研究综述*[J]. 现代图书情报技术, 2010, 26(1): 51-56.
Sun Haixia,Qian Qing,Cheng Ying. Review of Ontology-based Semantic Similarity Measuring. New Technology of Library and Information Service, 2010, 26(1): 51-56.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.01.10 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I1/51

［1］ Semantic Similarity Measures in MeSH Ontology and Their Application to Information
Retrieval on Medline［EB/OL］. ［2007-12-10］.http://www.intelligence.tuc.gr/publications/Hliautakis.pdf.
［2］ Gruher T R.A Translation Approach to Portable Ontology Specifications［J］. Knowledge
Acquisition, 1993,5(2):199-220.
［3］荀恩东,颜伟.基于语义网计算英语词语相似度［J］.情报学报,2006,25(1):43-48.
［4］ Raftopoulou P, Petrakis E. Semantic Similarity Measures: A Comparison Study［R］.2005.
［5］黄果,周竹荣.基于领域本体的语义相似度计算研究［J］.计算机工程与科学,2007,29(5):112-117.
［6］张忠平,赵海亮,张志惠.基于本体的概念相似度计算［J］.计算机工程,2009,35(7):17-19
［7］An Information-Theoretic Definition of Similarity［EB/OL］. ［2007-12-20］.
http://www.cs.ualberta.ca/lindek/papers/sim.pdf.
［8］ Rada R, Mili H, Bicknell E, et al. Development and Application of a Metric on Semantic
Nets［J］. IEEE Transactions on Systems, Man, and Cybernetics, 1989,19(1):17-30.
［9］ Richardson R, Smeaton A, Murphy J. Using WordNet as a Knowledge Base for Measuring
Semantic Similarity Between Words［EB/OL］. ［2008-12-02］.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.124.4773&rep=rep1&type=pdf.
［10］ Wu Z, Palmer M. Verb Semantics and Lexical Selection［C］. In: Proceedings of the 32nd
Annual Meeting of the Associations for Computational Linguistics.1994:133-138.
［11］ Antoniou G, Van Harmelen F. A Semantic Web Primer［M］. The Mit Press,2004:200-208.
［12］ Li Y H, Bandar Z A, McLean D. An Approach for Measuring Semantic Similarity Between
Words Using Multiple Information Sources［J］.IEEE Transactions on Knowledge and Data
Engineering, 2003,15(4):871-882.
［13］Leacock C,Chodorow M. Filling in a Sparse Training Space for Word Sense Identification
［EB/OL］.［2009-02-25］. http://arxiv.org/PS_cache/cmp-lg/pdf/9511/9511007v1.pdf.
［14］ Hirst G, St-Onge D. Lexical Chains as Representations of Context for the Detection and
Correction of Malapropisms［C］. In:Proceedings of Fellbaum.1998:305-332.
［15］ Budanitsky A, Hirst G. Semantic Distance in WordNet: An Experimental,Application-oriented Evaluation of Five Measures［EB/OL］. ［2009-05-25］. http://www.cs.toronto.edu/pub/gh/Budanitsky+Hirst-2001.pdf.
［16］ Resnik O. Semantic Similarity in a Taxonomy: An Information-Based Measure and Its
Application to Problems of Ambiguity and Natural Language［J］. Journal of Artificial Intelligence Research, 1999(11):95-130.
［17］ Lord P W, Stevens R D, Brass A, et al. Investigating Semantic Similarity Measures
Across the Gene Ontology: The Relationship Between Sequence and Annotation［J］. Bioinformatics, 2003,19(10):1275-1283.
［18］ Lin D. Principle-based Parsing Without Overgeneration［C］. In: Proceedings of the 31st
Annual Meeting of the Association for Computational Linguistics.1993:112-120.
［19］ Jiang J J,Conrath D W. Semantic Similarity Based on Corpus Statistics and Lexical
Taxonomy［EB/OL］. ［2008-12-02］.http://arxiv.org/PS_cache/cmp-lg/pdf/9709/9709008v1.pdf.
［20］潘谦红,王炬,史忠植.基于属性论的文本相似度计算［J］.计算机学报,1999,22(6):651-655.
［21］ Tversky A. Features of Similarity［J］. Psycological Review, 1977,84(4):327-352.
［22］ Sabou M, Richards D, Van Splunter S. An Experience Report on Using DAML-S［EB/OL］.
［2008-12-02］.http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.7.529&rep=rep1&type=pdf.
［23］ Knappe R, Bulskov H, Andreasen T. On Similarity Measures for Content-based Querying
［C］. In: Proceedings of the 10th International Fuzzy Systems Association World Congress.2003:400-403.
［24］黄宏斌,董发花,邓苏,等.一种跨本体的语义相似度计算方法［J］.计算机科学,2008,35(7):153-156.
［25］曹泽文,钱杰,张维明,等.一种综合的概念相似度计算方法［J］.计算机科学,2007,34(3):174-175,191.
［26］吴开贵,万洪波,朱郑州.一种基于语义的本体概念相似度的计算方法［J］.计算机科学,2008,35(5):123- 124,146.
［27］刘群,李素建. 基于《知网》的词汇语义相似度计算［J］.计算语言学及中文信息处理,2002(7):59-76.
［28］夏天.中文信息处理中的相似度计算研究与应用［D］.北京:北京理工大学,2005.
［29］左秀然.基于概念相似度的本体映射系统研究［D］. 武汉：武汉理工大学，2008.
［30］王惠敏,聂规划,付魁.领域本体中基于多维特征的语义相似度算法研究［J］.情报杂志,2008,27(10):28-30.
［31］张忠平,田淑霞,刘洪强.一种综合的本体相似度计算方法［J］.计算机科学,2007,35(12):142-145,182.

[1]	盛姝, 黄奇, 杨洋, 解绮雯, 秦新国. HL7 FHIR框架下中国医疗领域信息交换研究与解决方案[J]. 数据分析与知识发现, 2021, 5(11): 13-28.
[2]	曾桢,李纲,毛进,陈璟浩. 区域公共安全数据治理与业务领域本体研究^*[J]. 数据分析与知识发现, 2020, 4(9): 41-55.
[3]	强韶华,罗云鹿,李玉鹏,吴鹏. 基于RBR和CBR的金融事件本体推理研究 ^*[J]. 数据分析与知识发现, 2019, 3(8): 94-104.
[4]	邓诗琦,洪亮. *面向智能应用的领域本体构建研究^——以反电话诈骗领域为例**[J]. 数据分析与知识发现, 2019, 3(7): 73-84.
[5]	高广尚. 用户画像构建方法研究综述^*[J]. 数据分析与知识发现, 2019, 3(3): 25-35.
[6]	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.
[7]	王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究^*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[8]	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.
[9]	唐慧慧, 王昊, 张紫玄, 王雪颖. 基于汉字标注的中文历史事件名抽取研究^*[J]. 数据分析与知识发现, 2018, 2(7): 89-100.
[10]	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.
[11]	丁晟春, 刘梦露, 傅柱. 概念设计中基于知识流的多维设计知识统一建模技术研究^*[J]. 数据分析与知识发现, 2018, 2(2): 11-19.
[12]	涂海丽, 唐晓波. 基于标签的商品推荐模型研究^*[J]. 数据分析与知识发现, 2017, 1(9): 28-39.
[13]	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.
[14]	白如江, 冷伏海, 廖君华. 一种基于语义组块特征的改进Cosine文本相似度计算方法^*[J]. 数据分析与知识发现, 2017, 1(6): 56-64.
[15]	吴丹, 刘畅, 李翼. 用户步行导航过程中的情感变化研究^*[J]. 数据分析与知识发现, 2017, 1(5): 42-51.

Viewed

Full text

Abstract

Cited

Shared

Discussed