导读:本文包含了概念语义相似论文开题报告文献综述及选题提纲参考文献，主要关键词:本体,概念更新,语义相似度,属性相似度
概念语义相似论文文献综述
李婉婉,张英俊,潘理虎[1]（2018）在《基于语义相似度的本体概念更新方法研究》一文中研究指出为了实现本体概念的自动更新,减少对领域专家的过多依赖,给出一种基于语义相似度的本体概念更新方法 SSOCUM(Semantic Similarity-based Ontology Concept Update Method)。实现一种改进的基于Word Net的相似度算法,该算法在计算路径长度的基础上,综合考虑了概念的节点深度以及信息量对相似度的影响。为了弥补基于Word Net的相似度算法没有考虑概念属性所携带的语义信息的不足,加入属性相似度对其进行调整。通过实验对比,验证了改进算法的计算结果与标准数据集之间的皮尔森系数高于传统算法,计算结果更接近于人的主观判断。采用构建好的煤矿领域通风系统本体对SSOCUM算法进行实验分析。结果表明,SSOCUM算法有助于本体新概念的自动添加,并具有一定的准确性和有效性。(本文来源于《计算机应用与软件》期刊2018年04期）
孙丽莉,张小刚[2]（2017）在《基于WordNet的概念语义相似度的计算方法》一文中研究指出Word Net作为一部语义词典,在自然语言处理、词义消歧、信息抽取和机器翻译等很多领域应用广泛。文章从算法利用的角度对基于Word Net的语义相似度计算分别从基于路径距离、基于信息容量和基于属性的角度进行了系统的概括与梳理,并在深入分析和比较的基础上指出今后本领域的研究方向。(本文来源于《统计与决策》期刊2017年23期）
种晓阳[3]（2017）在《基于WordNet的概念语义相似度计算及其应用研究》一文中研究指出随着信息技术、人工智能的不断发展,人们越来越依赖于从网络途径获取所需信息,网络中的信息也越来越繁杂。相似度计算作为自然语言处理领域的关键技术,能够对信息进行过滤和筛选,从而得到用户想要的信息。要想提高信息检索质量,就要提高相似度计算的精确度。相似度计算包含概念语义相似度计算和句子相似度计算等。两种相似度算法精确度的提高对其应用领域的发展有着至关重要的影响。本文主要对概念语义相似度算法和句子相似度算法进行了详细研究,提出了基于WordNet的概念语义相似度MICS模型,并将其应用到句子相似度计算之中。通过测试验证了MICS模型具有较好的性能,提高了相似度计算的精确度。具体工作如下:1.阐述了相似度算法的研究背景及意义,探讨了本研究的基础性和必要性,并概括总结了概念语义相似度算法和句子相似度算法的研究进展。2.介绍了WordNet语义词典的相关内容。重点介绍了WordNet的发展状况、内容结构以及其中包含的语义关系。简要说明了本文采用的WordNet版本和结构。3.重点剖析了常用的概念语义相似度算法,根据各个算法的优势和不足提出了MICS模型。该模型以IC(信息内容)模型为基础,利用相邻概念之间的条件概率对边进行加权,用互信息表征概念之间的语义相似度。算法同时将概念在层次树中的密度、深度以及路径因素考虑在内,并结合了传统的基于信息内容IC的算法和基于路径因素的算法。然后对MICS模型进行了测试与分析,验证了该模型具有更好的性能。4.对句子相似度计算步骤以及常见的句子相似度算法进行了详细地分析,在此基础上,将MICS模型应用到句子相似度的计算中。经过测试对比验证了MICS模型具有良好性能。5.认真分析了本文不足之处以及需要解决的问题,对今后的研究工作进行了展望。(本文来源于《曲阜师范大学》期刊2017-04-06）
种晓阳,周子力,吴玲玲[4]（2016）在《基于互信息的概念语义相似度算法》一文中研究指出随着信息技术的发展,概念语义相似度计算成为当前的一个研究热点。本文提出一种基于互信息的概念语义相似度算法,以IC概念信息内容模型为基础,将相邻概念的条件概率作为边的权值,将概念间的互信息作为语义相似度,不仅考虑概念所处分类树的深度、密度,而且将路径因素考虑在内。实验结果表明,与其他八种算法相比,该算法计算的相似度与人工判断的相似度相关度更高,相似度值更准确。(本文来源于《通信技术》期刊2016年09期）
蒋运承,李璞,Akram,AFTAB[5]（2016）在《一种面向形式概念分析的语义相似度计算框架（英文）》一文中研究指出为了计算形式概念分析的形式概念或概念格的语义相似度,利用描述逻辑概念作为形式背景的特征属性对形式概念分析的形式背景进行语义扩展,即利用领域本体(描述逻辑知识库)提出了形式背景的一种语义表示方法.在此基础上,基于形式背景的语义表示,利用描述逻辑推理(即本体推理)给出了一种面向形式概念分析的形式概念或概念格语义相似度计算框架,并且证明了实例化该架构所得到的语义相似度计算方法满足对称性和等价不变性等基本性质.(本文来源于《华南师范大学学报(自然科学版)》期刊2016年03期）
盛艳梅,周子力,马淑丽[6]（2016）在《基于CP加权的概念语义相似度算法》一文中研究指出对Worde Net中的概念语义相似度算法进行了研究,分析了Worde Net中影响语义相似度算法的相关因素,利用Worde Net中is-a关系构成的概念语义层次结构,提出了一种新的CP(Conditional Probabilities)加权方法,将一个概念出现的情况下另一个概念出现的概率(条件概率)作为衡量权重大小的参数,并把上、下位关系间的权重区分开来,使权重分配更加合理,并在此基础上给出了概念语义相似度算法的改进模型。该模型以概念的信息内容参数为基础,不仅考虑了概念所处分类树的密度和深度,同时也将概念对间的路径考虑在内,使概念间语义相似度的准确性有了一定的提高。在与其它算法进行比较后,实验结果显示该算法模型不仅具有更高的精确度,而且改善了传统方法离散程度高的缺点。(本文来源于《电子技术》期刊2016年04期）
李飞[7]（2016）在《基于本体的概念语义相似度测量研究》一文中研究指出概念语义相似度的测量是自然语言处理的一个重要的研究内容,它在信息检索、机器翻译、词义排歧、自动问答等领域都有广泛的应用,它是一个基础的研究课题。目前对概念语义相似度的测量研究大致分为两大类：一类是依据某种世界知识来计算,主要是使用一种语义词典,通过词典中概念结点间的关系(上下位关系、同位关系、整体-部分关系等)来测量概念间的相似度；另一类是使用一种大规模的语料库,通过统计学的方法依据上下文信息的概率分布来度量概念间的语义相似度,这一类方法通过研究者的证明同样适用于一种近似于语料库的本体中。随着本体结构的完善和本体库词汇量的增加,越来越多的研究者开始使用本体进行语义相似度测量研究,但都存在一定的局限性,实用性受到效率以及不同应用领域的严重质疑。针对这一现状,本文从该方向着手进行探索研究。本文结合前期的研究工作以及参阅相关文献,选用国内的《词林》扩展版和国外的WordNet,就相关研究遗留的问题,分别提出一种模型用于计算概念语义相似度。本文的主要工作如下：(1)在中文词语相似度测量中,分析具有代表性的田久乐提出的算法存在的不足,然后针对存在的问题提出了较好地解决办法,使其与标准测试集MC30数据集的人工判定值之间的皮尔逊相关系数由0.53提高到0.85,具有较好的实用价值。(2)通过对众多优秀算法的研究以及对《词林》扩展版的了解,以Dekang Lin的相似度理论为基础,通过理论分析与推导,最后提出一种新的概念语义相似度测量方法。(3)在对中文词语相似度测量方法效果进行评判时,由于国内缺乏具体的评判标准,本文参考国外的评判标准,转化出了一种中文词语相似度评判方法,为国内的词语相似度方法的评估提供了一种评估标准。(4)在英文概念语义相似度测量中,基于WordNet的研究,考虑到本体中普遍存在的不规则密度,导致计算结果不佳的问题。首先从已有的算法中通过部分改进抽取出一种基于密度权重的算法,用于证明通过密度补偿路径可以改善不规则密度引起的问题,然后提出一种基于区域密度补偿的路径计算模型,将该模型运用于流行的基于路径距离的算法中,通过国际标准测试集测试,发现应用本文的模型的算法比之前的算法与标准测试集的人工判定值之间的皮尔逊相关系数有了很大的提高,具有较好的效果。(5)考虑到随着大数据时代的到来,本体中的概念数量可能随时发生变化,目前效果最好的基于信息内容的方法可能不能适应这一发展趋势,本文提出的基于区域密度补偿的路径计算模型对相关领域研究人员可能具有一定的参考价值。(本文来源于《广西师范大学》期刊2016-04-01）
刘锋,郭维威[8]（2015）在《一种优化的基于领域本体语义距离的概念相似度计算模型研究》一文中研究指出针对概念相似度计算方法存在的不完整性和片面性的问题,通过对现有概念相似度几种计算方法分析与研究,提出一种优化的基于领域本体语义距离的概念相似度计算模型.该模型综合考虑了概念之间的关系、有向边节点密度、层次深度、方向因子等因素对概念相似度计算的影响,通过分析,优化后的模型有效地提高了概念相似度计算的准确性.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2015年04期）
孙铁利,邢元元,关煜,陈斯娅,杨凤芹[9]（2015）在《一种新的本体的概念语义相似度计算方法》一文中研究指出提出了一种新的语义相似度计算方法。该算法结合了被评估概念的高度、路径长度和公共细化度(specificity);改进了基于路径的语义相似度算法,利用本体结构,引入基于信息量算法的思想,使得新算法能够获取更多的语义信息,同时又不需要对于文本数据进行预处理;考虑本体中簇的粒度对本体的相似度计算有一定影响,在公式中添加概念在本体中的高度信息,达到低层次的概念间共享的信息要比高层次的概念间共享的信息更多。为了评估所提出的新方法,在实验中,用标准的生物医学系统命名法-临床术语(systematized nomenclature of medicine-clinical terms,SNOMED CT)作为输入本体,用已标注好的概念对集合作为数据集。实验结果表明,所提出的方法不仅保留了基于路径算法的简洁性,还优于现有语义相似度算法,证明了所提出方法的有效性。(本文来源于《中国科技论文》期刊2015年14期）
丁博,苗世迪[10]（2016）在《制造资源本体的概念语义相似度研究》一文中研究指出为了实现制造资源本体之间的语义互操作,对本体中的概念进行语义相似性计算是进行此操作的关键技术之一。提出了一种计算概念语义相似度的新方法,将概念语义相似度分为主体相似度和附加相似度两部分。主体相似度综合考虑了概念自身的相似度、该概念的父概念和子概念间的相似度以及概念间的二元关系,同时,加入了概念属性相似度,属性携带了概念的大部分语义信息,计算属性相似度可以有效提高概念语义相似度的准确性;附加相似性是指通过本体中概念的层次结构对主体相似度进行语义补充,利用概念的深度对得到的概念语义相似度进行语义调整,有效地弥补了仅仅利用主体相似度计算概念语义相似度的不足。实例证明,该方法可以准确地计算同一本体和本体之间的概念语义相似度。(本文来源于《计算机应用研究》期刊2016年01期）
概念语义相似论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
Word Net作为一部语义词典,在自然语言处理、词义消歧、信息抽取和机器翻译等很多领域应用广泛。文章从算法利用的角度对基于Word Net的语义相似度计算分别从基于路径距离、基于信息容量和基于属性的角度进行了系统的概括与梳理,并在深入分析和比较的基础上指出今后本领域的研究方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概念语义相似论文参考文献
[1].李婉婉,张英俊,潘理虎.基于语义相似度的本体概念更新方法研究[J].计算机应用与软件.2018
[2].孙丽莉,张小刚.基于WordNet的概念语义相似度的计算方法[J].统计与决策.2017
[3].种晓阳.基于WordNet的概念语义相似度计算及其应用研究[D].曲阜师范大学.2017
[4].种晓阳,周子力,吴玲玲.基于互信息的概念语义相似度算法[J].通信技术.2016
[5].蒋运承,李璞,Akram,AFTAB.一种面向形式概念分析的语义相似度计算框架（英文）[J].华南师范大学学报(自然科学版).2016
[6].盛艳梅,周子力,马淑丽.基于CP加权的概念语义相似度算法[J].电子技术.2016
[7].李飞.基于本体的概念语义相似度测量研究[D].广西师范大学.2016
[8].刘锋,郭维威.一种优化的基于领域本体语义距离的概念相似度计算模型研究[J].曲阜师范大学学报(自然科学版).2015
[9].孙铁利,邢元元,关煜,陈斯娅,杨凤芹.一种新的本体的概念语义相似度计算方法[J].中国科技论文.2015
[10].丁博,苗世迪.制造资源本体的概念语义相似度研究[J].计算机应用研究.2016