基于概念图匹配的语义搜索-计算机应用技术专业论文.docxVIP

2．利用概念和关系的类型层次，定义了一种新的概念相似度和关系 2．利用概念和关系的类型层次，定义了一种新的概念相似度和关系 相似度，在本体各部分有不同“密度”以及相似度的非对称性等方面做 了细化。从经典的概念图理论出发，我们通过概念和关系在类型层次上 途经最近公共父类的语义距离来导出相似度的定义。但同时，我们又在 其中引入了本体不同部分有不同“密度”的思想，为本体的不同层次之 间定义了不均匀的跨度。随后，我们又根据资源查询的特点，讨论了概 念相似度和关系相似度的几个非对称定义的变种，这为最后定义概念图 之间相似度的工作做好了铺垫。 3．在评判概念相似度方面，进一步提出了一种基于模糊逻辑的新方 法来表示颜色描述的语义，并为之关联一组相应的相似性量度。该项工 作展示了在数值空间发掘概念的“更深层次”语义的意义。有研究表明， 某些概念仅仅利用概念层次来决定语义相似度是不够的，颜色概念就是 一个典型的例子。我们从颜色空间模型上发掘颜色描述的“更深层次” 的语义，利用HSL颜色空间三个分量上的隶属函数的合成来定义任意一 个非彩色颜色或彩色颜色的模糊语义，并且采用模糊概念图的逻辑形式 来表示这类语义信息。之后，我们又依据上述定义的隶属函数，针对查 询色和资源色的不同组合设计了一组相应的相似度评判函数。实验证明 该方法有助于减小相似度评判与人类感知之间的语义鸿沟。 4．引入了一个基于演绎推理的知识增益过程，来帮助获得更准确的 语义匹配结果。设计这样一个过程的目标是要尽量消除同义异构现象给 匹配带来的负面影响，并且借助世界知识在已有的概念图中加入推理出 来的被隐含的信息。为此，我们定义了图规则(即背景知识)的表示形 式，并从概念图的一阶推理法则中导出了一条经过简化的、适用于我们 知识表示(包括表示资源和表示规则的概念图)的推理法则。该法则确 保了推理过程的可靠性，但在某些情况下可能会牺牲完备性。不过，基 于问题域的特性，我们认为后者是可以接受的：我们并不是要得到所有 为真的知识。最后，我们还对知识增益过程的触发以及终止条件做了规 范，以保证该过程的有效性。5．通过对用户搜索行为的建模，为概念图设计了一个涵盖过滤和排 范，以保证该过程的有效性。 5．通过对用户搜索行为的建模，为概念图设计了一个涵盖过滤和排 序两类操作的混合匹配模型。该模型在概念图转换成树结构的基础上， 分别规定了在过滤条件和排序条件下，子树匹配相似度的不同定义方法， 以及最后如何合成为查询图(树)和资源图(树)之间的匹配量度。整 个相似度的计算过程是递归定义的，并且概念相似度与关系相似度是紧 密耦合的，这样就最大限度地保留了语义结构的信息。此外，所设计的 相似度定义还兼容了对否定条件的处理，并且利用两类调谐因子来增加 匹配过程的灵活性。通过对匹配算法主体的时间复杂度分析，证明为多 项式时间的算法，因而可以保证其在实际应用中的有效性。 在实际中，我们实现了一个名为ALPHA的原型系统，并选用服装 领域来验证我们的方法。从实验结果来看，本文所提出的语义搜索方法， 其表现要整体优予关键词匹配的搜索，而响应时间则因为一些预处理的 步骤而基本可比于后者。因为并未针对所选的应用领域做特别的限制或 优化，所以我们相信该方法具有普适性，也可以部署到其他领域的资源 搜索的应用中。此外在理论方面，本文提出了基于数值空间的“更深层 次”的语义表示和匹配，以及融合了过滤(精确)和排序(不精确)条 件的混合匹配模型，对于在精确的语义搜索模型中引入模糊的、不精确 的语义部分进行了有益的探索。 关键词：语义搜索，信息检索，概念图，语义相似度，模糊／不精确 语义，混合匹配模型 SEMANTIC SEMANTIC SEARCH BY MATCHING CoNCEPTUAL GRAPHS ABSTRACT The tremendously rapid development of the Web has made it the largest information base that human beings have ever had．However,‘‘information overload’is reducing the usability of it．When people turn to depend on search engines and information retrieval techniques to locate information they want，they tend to discover that the current methods based on keyword matching often fail to well meet their informatio