基于语义相似度的查询扩展的研究.pdfVIP

第驾卷第5期 杭州电子科技大学学报 Vd．28．Ib．5 2008年lO月 Journal Oct．硼 d地哪—mⅨ面Ih南呻 基于语义相似度的查询扩展研究 黄佳来，王立波，袁道敏 (杭州电子科技大学软件与智能技术研究所，浙江杭州310018) 摘要：该文分析和量化了影响本体语义相似度的各种因素，并提出了一种基于距离的概念语义相 似度计算模型。在此基础上，通过对相似度阈值的控制来调整扩展概念集的范围和大小，从而实 现语义概念层次上的查询扩展。经过实验分析，验证了该方法的合理性及可行性。 关键词：语义相似度；查询扩展；本体 中图分类号：TP391 文献标识码：A 文章编号：1001—9146(2008)05—0159—04 O引 言 传统信息检索利用简单的词匹配计算文档特征值与检索词间的相似度，对语义匹配的支持能力较 差，往往只有查询词出现在文档中才可能被检索到…，导致了较低的查准率和查全率。解决这一问题， 目前多采用查询扩展技术。查询扩展技术是一种改善检索的有效办法，一般有两种方式：一是加入的扩 展词与原始查询词相近；--是扩展过程添加全新的词汇。查询扩展能弥补用户查询信息不足的缺陷，由 此逐渐成了信息检索领域的一个重要研究方向。 1查询扩展模型 目前，传统的查询扩展主要有全局分析、局部分析、基于关联规则的查询扩展和基于用户查询El 志[2]。传统的查询扩展只局限于符号匹配层面上的扩展，而忽略了查询语词或概念之间的语义关系，无 法从根本上提高信息检索陛能。经研究发现，基于本体的查询扩展常比常规的扩展方法更有效。基于 本的思想是利用本体中的路径来进行用户查询的扩展。后来有研究者提出了基于本体注释的查询扩展 方法。 查询语义扩展，其核心是实现同义词扩展、语义蕴涵扩展、语义外延扩展及语义相关扩展。本文在 领域本体的基础上，结合了基于路径和基于注释方法优点，重点分析了影响概念语义的因素，实现了一 种基于语义相似度的查询扩展，其基本思想是将查询概念与领域本体中的概念、实例及属性进行匹配， 根据本体层次结构及相关属性，从本体中提取与原查询的语义相似度大于阈值的概念，作为扩展概念， 从而实现查询语义的提取和从概念语义层次上的概念扩展。详细的查询扩展模型如图1所示。 收稿日期：2008—07—20 作者简介：黄佳来(1984一)，男，浙江浦江人，在读研究生，计算机软件与理论． 万方数据 160 杭州电子科技大学学报 2008年 图l查询扩展模型图 2语义相似度计算模型 语义相似度计算模型是查询扩展模型的核心部分。它是建立在领域本体所构建的概念空间之上， 所有概念以及相应的实例、属性均被组织在树状的层次结构中，这样保证语义距离的准确性。该方法以 基于距离的计算模型为基础，结合了基于内容及基于属性的各影响因素。 2．1影响因素的量化 研究表明，在本体层次网中影响有向边权重的因素有如下：链接类型、节点深度、链接密度、链接强 度、节点属性和簇间粒度。根据影响程度，其量化公式如下： 定义1在各概念间的关系中，同义、继承以及整体一部分这3种类型占了绝大的比例。根据各类 型表示语义关系的密切程度，有向边权重与其类型的关系表示为： rl，type(a，b)=同义关系 weight(a，6)∞{0．95，type(a，6)=继承关系 (1) to．9，type(a，6)=整体一部分关系 式中，weight(口，6)为连接概念a、b的有向边的权重(以下类同)。 定义2领域本体可以看成是一个层次网络，每一层都是对上一层概念的细化。越到下层概念的 含义就越具体，反之越上层则越抽象。因此，得到有向边权重与其深度的关系为：