基于遗传算法的语义搜索结果排序算法.pdfVIP

· 学 术 探 讨 · 四、OA算法 13．t+一t+l： 由于OntoKhoj排序算法和AKTiveRank排序 l4．P(t)一P(t一1)； 算法的出发点不同，因此对于不同的领域排序效 15．evaluate(P(t))； 16．if(P(t)的最优适应值大于Best的适应值) 果不一样，链接较为丰富的本体群 OntoKhoj排序 ，，以P(t)的最优染色体代替Best 效果要好于AKTiveRank，但是对本体结构比较紧 17．replace(ju) 致的本体群，AKTiveRank算法要优于OntoKhoj算 18．endif 法。此外，两种算法中都涉及到了多个权重系数和 19．end 修正系数 ，这些系数都是认为事先设定，设定是否 五、实验及结果 合理直接影响着排序结果。针对两种算法的问题， 为了验证算法的性能，我们随机选取了包含有 我们提出OA算法，该算法不仅对充分考虑本体 “教学资源”关键字的10个文档作为实验数据。然 间的链接关系和本体的紧致程度，而且使用了遗 后使用 JAVA语言对OA算法进行了代码实现， 传算法对相关系数进行了客观的设定，进一步提 并同AKTiveRank算法和OntoKhoj算法进行了比 高了排序质量。 较。实验结果如表 1所示。根据表 1的结果，我们根 ，(o)=岛×OR(o)+ ×0 D) (】．7) 据用户的排序作为标准，分别计算AKTiveRank、 公式 1．7给出了最后的评价结果 ，k和 k：为 OntoKhoj算法和OA算法排序的平均正确率。计 评价系数 。出现在公式中的权重系数 由于领域本 算公式为 1．9，计算任意两个本体 oi，oj在当前算法 体的不同而不同，因此我们需要采用遗传算法来 下排序是否正确，如果正确，那么firight(o，q)取值 确定公式中的系数。遗传算法优化后的系数能够 为 1，否则为0。根据公式 1．9，AKTiveRank算法的 更真实地放映实际的情况。 正确率为 69％，OntoKhoj算法的正确率为72％， 基本遗传算法(SimpleGeneticAlgorithm，SGA) OA算法的排序正确率为 81％。实验表明，OA 被定位为一个8元组： 算法 的质量要 明显优 于 AKTiveRank算法 和 SGA=(C，E，Po，N， ，F， ，) (1．8) OntoKhoj算法。 如公式 1．8所示：c是个体编码方法(二进制 ∑ifright(o~，oj) 法)；E是个体适应度评价函数 ，即公式 1．1一公式 1．7；Po是初始种群，就是待排序本体集合 ；Ⅳ是群 precnse 101 ’’‘ (1． 9) 体规模 ，即本体集合的势 ； 是选择算子 (比例选 表 1 算法分析与比较 择算子)；，是交叉算