改进的语义相似度计算模型及应用

吉林大学学报(工学版)

改进的语义相似度计算模型及应用

刘春辰1，2，刘大有1，2，王生生1，2，赵静滨1，2，王兆丹1，2

1.吉林大学计算机科学与技术学院，长春 130012;2.吉林大学符号计算与知识工程教育部重点实验室，长春 130012

收稿日期:2007-08-21 修回日期:2007-11-27 出版日期:2009-01-01 发布日期:2009-01-01
通讯作者: 刘春辰

Improved semantic similarity calculating model and its application

LIU Chun-chen1，2，LIU Da-you1，2，WANG Sheng-sheng1，2，ZHAO Jing-bin1，2，WANG Zhao-dan1，2

1.College of Computer Science and Technology,Jilin University,Changchun 130012 China;2.Key Laboratory of Symbolic Computing and Knowledge Engineering of Ministry of Education,Jilin University,Changchun 130012,China

Received:2007-08-21 Revised:2007-11-27 Online:2009-01-01 Published:2009-01-01
Contact: LIU Chun-chen

摘要/Abstract

摘要： 在语义检索中，语义相似度计算模型对信息查全率和查准率至关重要，通过改进传统语义相似度计算模型的不足，提出了新的语义相似度计算模型PHSS，它综合考虑概念的属性约束和层次结构，较之传统模型更能精确描述概念间语义距离。在此基础上，构建了一个玉米病虫害防治语义检索系统CDPPIRS，能依据查询信息和知识库进行语义推理，可针对用户多种查询方式提供给用户全面准确的文献信息，满足不同层次农业工作者的查询需求。在CDPPIRS中的测试结果表明，PHSS在查全率和查准率方面均优于传统模型。

关键词: 人工智能, 语义相似度, 语义检索, 本体

Abstract: In the semantic searching, the semantic similarity calculation model is crucial to ensure the searching results being allsided and exact. A new semantic similarity calculation model, PHSS, was proposed based on improving the traditional models. Both the hierarchy and the property restrictions of the concepts were taken into consideration in this new model. The semantic distance between two concepts was described more accurately. Based on this model, a semantic search system, CDPPIRS, for preventing and curing plant disease and insect pests of corn was also constructed. This system can carry out semantic reasoning based on query information and the repository, and provide accurate bibliographies to the users according to their different kinds of enquiries. This system satisfies the enquiries of different level agricultural professionals. Experiment results in CDPPIRS show that the PHSS model is better than traditional models.

Key words: artificial intelligence, semantic similarity, semantic search, ontology

中图分类号:

TP18

刘春辰，，刘大有，，王生生，，赵静滨，，王兆丹， . 改进的语义相似度计算模型及应用[J]. 吉林大学学报(工学版), 2009, 39(01): 119-123.

LIU Chun-chen1，2，LIU Da-you1，2，WANG Sheng-sheng1，2，ZHAO Jing-bin1，2，WANG Zhao-dan1，2 . Improved semantic similarity calculating model and its application[J]. 吉林大学学报(工学版), 2009, 39(01): 119-123.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed