淺論一種醫(yī)療本體語義相似度算法的設(shè)計(jì)

1、淺論一種醫(yī)療本體語義相似度算法的設(shè)計(jì)摘要：由于目前檢索技術(shù)效率低下，所以需要一種基于本體的檢索技術(shù)來提高效率。語義相似度計(jì)算是基于本體的檢索技術(shù)的一個(gè)關(guān)鍵問題。本文對(duì)已有語義相似度計(jì)算方法進(jìn)行總結(jié)并改進(jìn)，最后對(duì)其進(jìn)行分析。關(guān)鍵詞：本體；本體檢索；語義相似度計(jì)算1 引言隨著 Internet 的日益發(fā)展和普及，本體在信息采集、信息檢索及本體集成等方面的應(yīng)用越來越廣泛。2002年12月18日Berners-Lee在國(guó)際 XML2000 的會(huì)議提出 Semantic Web(語義網(wǎng) )的構(gòu)想1 。在 Semantic Web 中，語義相似度算法是實(shí)現(xiàn)基于本體的檢索、采集等的關(guān)鍵問題。因此語義相似度算

2、法的好壞成為信息檢索效率高低的重點(diǎn)，于是改良語義相似度算法是一個(gè)迫切的問題。關(guān)于語義的相關(guān)性，國(guó)內(nèi)外專家已經(jīng)做了大量的工作： Resnik 根據(jù)兩個(gè)詞的公共祖先節(jié)點(diǎn)的最大信息量來衡量?jī)蓚€(gè)詞的語義相似度。 Agirre 等在利用 WordNet 計(jì)算詞語的語義相似度時(shí)，除了結(jié)點(diǎn)間的路徑長(zhǎng)度外，還考慮到概念層次樹的深度、概念層次樹的區(qū)域密度。魯松研究了如何利用詞語的相關(guān)性來計(jì)算詞語的相似度。 Li Sujian 等提出了一種詞語語義相似度的計(jì)算方法，計(jì)算過程綜合利用了知網(wǎng)和同義詞詞林。朱禮軍等引入了計(jì)算語言學(xué)中的語義距離思想來計(jì)算領(lǐng)域本體中概念間的相似度。本文總結(jié)前人的經(jīng)驗(yàn)，并將概念的數(shù)據(jù)類型考慮

3、其中，這樣概念的語義相似度就更加精確。2 本體與領(lǐng)域本體本體 (Ontology) 作為一種能在語義和知識(shí)層次上描述信息的概念模型，自被提出以來就引起了國(guó)外眾多科研人員的關(guān)注，并在計(jì)算機(jī)的許多領(lǐng)域得到了廣泛的應(yīng)用，如知識(shí)工程、數(shù)字圖書館、軟件復(fù)用、信息檢索和Web 上異構(gòu)信息的處理、語義Web 等。2.1 本體的概念目前對(duì)本體的定義有很多，專家們認(rèn)為由Studer 等人在 1998 年提出的“本體是共享概念模型的明確的形式化規(guī)范說明。3 ”最為精確。它包含 4 層含義：概念化 (conceptualization)、明確 (explicit) 、形式化(formal) 和共享 (share)。

4、（1）概念化：指通過抽象得出客觀世界中一些現(xiàn)象 (Phenomenon)的概念模型。（2）明確：指所使用的概念及使用這些概念的約束都有明確的定義。（3）形式化：指本體是計(jì)算機(jī)可讀的(即能被計(jì)算機(jī)處理)。（ 4）共享：本體中體現(xiàn)的是共同認(rèn)可的知識(shí)，反映的是相關(guān)領(lǐng)域中公認(rèn)的概念集，它所針對(duì)的是團(tuán)體而不是個(gè)體。2.2 本體的分類Guarino5 在1997 年對(duì)本體依照領(lǐng)域依賴程度，分為頂級(jí)(top-level)、領(lǐng)域 (domain)、任務(wù) (task)和應(yīng)用 (application) Ontologies 共 4類。其中： （1）頂級(jí) Ontologies 描述的是最普通的概念及概念之間的關(guān)系

5、，與具體的應(yīng)用無關(guān)，其他種類的 Ontologies 都是該類 Ontologies 的特例。（2）領(lǐng)域 Ontologies 描述的是特定領(lǐng)域中的概念及概念之間的關(guān)系。（3）任務(wù) Ontologies 描述的是特定任務(wù)或行為中的概念及概念之間的關(guān)系。（ 4）應(yīng)用Ontologies 描述的是依賴于特定領(lǐng)域和任務(wù)概念及概念之間的關(guān)系。本文主要就是基于領(lǐng)域Ontology來設(shè)計(jì)與研究語義相似度計(jì)算方法。3 語義相似度計(jì)算語義相似度是判斷幾個(gè)概念之間的語義的相似程度。在信息檢索中，它反映的是用戶查詢關(guān)鍵詞的意義上的符合程度。3.1 語義相似度計(jì)算原則語義相似度的計(jì)算原則是為了本體內(nèi)部概念間相似度計(jì)

6、算更加準(zhǔn)確而提出的 2 ，其內(nèi)容如下：（ 1）量化原則：相似度是一個(gè)數(shù)值，取值范圍應(yīng)該在 0,1 之間 3 ，如果兩個(gè)概念完全相同，那么他們的相似度為 1，完全不同，相似度為 0。 （2）簡(jiǎn)單性原則：計(jì)算相似度的同時(shí)應(yīng)該考慮計(jì)算復(fù)雜度 4 ，復(fù)雜度應(yīng)該盡量降低。（3）充分利用本體的特性。 （4）可調(diào)節(jié)性：可調(diào)節(jié)性是指相似度的計(jì)算結(jié)果可通過某些參數(shù)來調(diào)節(jié)，詞語相似度是一個(gè)主觀性比較強(qiáng)的概念，可調(diào)節(jié)性可以滿足不同的需求，適應(yīng)不同的情況2 。（5）類型性：在計(jì)算概念相似度的時(shí)候，也應(yīng)該將概念的數(shù)據(jù)類型考慮其中，這樣能提高概念相似度的精度。（6）對(duì)稱性： Sim(C1,C2)= Sim(C2,C1)，

7、對(duì)稱性有利于概念相似度之間的對(duì)比與換算。3.2 相似度計(jì)算方法本文建立了一個(gè)簡(jiǎn)單的醫(yī)療系統(tǒng)的本體，如圖1 所示。 class：表示的是類， subClassOf：表示的是本體中最主要的關(guān)系，即概念之間子類的關(guān)系，也就是繼承關(guān)系。例如： C0 是 C1，C2 的父類，而C1 與 C2 則是 C0 的子類。利于OWL 語言構(gòu)建此本體的代碼片段，如下：（ 1）語義距離：是兩個(gè)概念在本體樹中的最短距離，記作Distant(A,B) 。語義距離越大，其語義相似度越低。反之越大。兩個(gè)概念的父節(jié)點(diǎn)是同一個(gè)，那么Distance=1/n(n 表示與該節(jié)點(diǎn)有共同父節(jié)點(diǎn)的子節(jié)點(diǎn)的個(gè)數(shù))同一概念的語義距離為0。例如

8、：圖1 中所示的Distance(C5,C5)=0， Distance(C7,C8)=0.5。（ 2）DataType(數(shù)據(jù)類型屬性 )的相似度：是兩個(gè)概念的數(shù)據(jù)類型的比較得出來的一個(gè)參數(shù)值，記作 SimDT(A,B) 。如果兩個(gè)概念的數(shù)據(jù)類型相同，則 SimDT(A,B)=1 。如果不同，則 SimDT(A,B)=0 。 中國(guó)（3）ObjectProperty(對(duì)象類型屬性 )的相似度 5 ：是類與類之間的關(guān)系，記做 Simobject(A,B) 。和分別表示概念和的對(duì)象類型屬性的個(gè)數(shù)。 的對(duì)象類型屬性所對(duì)應(yīng)的概念為，的對(duì)象類型屬性所對(duì)應(yīng)的概念為，則概念的對(duì)象屬性的語義相似度為：（4）本體概

9、念的深度： 是概念在本體樹 中的層數(shù)，記作Depth(A) 。（ 5）調(diào)節(jié)因子：是為了滿足系統(tǒng)的特定需要而設(shè)定的特定參數(shù)。由于詞語相似度是一個(gè)主觀性比較強(qiáng)的概念，所以必須使用調(diào)節(jié)因數(shù)來具體情況具體分析。它通過對(duì)本體樹的廣度與深度的控制來調(diào)節(jié)特定的語義的相似度。本文用 k 來表示調(diào)節(jié)因數(shù)。 綜合得出語義相似度算法的公式： 式中 Sim(C1,C2)表示概念C1、C2 的語義相似度， Distance(C1,C2)表示概念 C1、C2 的語義距離， SimDT(C1,C2) 表示概 念 C1 、 C2 的數(shù)據(jù)類型 的相 似度，Simobject(C1,C2)表示概念C1、C2 的對(duì)象類型的相似度，

10、k 表示調(diào)節(jié)因子， Depth(C1)表示 C1 的的深度 (即本體樹中的層數(shù) )，分別是數(shù)據(jù)類型屬性和對(duì)象類型屬性在屬性相似度中的權(quán)值，且。3.3 實(shí)驗(yàn)結(jié)果根據(jù)本文得出的語義相似度算法，即上述公式計(jì)算出表1 所示的本體樹的語義相似度。3.4基于本體語義相似度的應(yīng)用Begin；Input：查詢表達(dá)式Q=W1,W2, ,Wn and 語義相似度的臨界值K ；result =null,i=0；while(Qi的語義相似度>=K)resulti=Qi+ 相關(guān)概念集；i+ ；Return result；End；4 結(jié)束語人與機(jī)器之間的有語義的交流近年來成為了人們研究的焦點(diǎn)與瓶頸。本體由于其共享性和明確性以人與機(jī)器的語義交流的基礎(chǔ)進(jìn)入了人們的視野。本文通過建立本體樹，利用其層次之間的關(guān)系