论文部分内容阅读
语义相似性度量一直以来都是人工智能和心理学领域的研究热点。人工智能领域的相似性度量模型，以关于相似性的假设为基础，致力于从特定的知识表述中计算出对象间的相似性。而心理学领域的相似性度量模型，则以实验数据为基础，致力于模拟人的相似性感受。将心理学的研究成果应用于人工智能的研究中，是未来发展的方向。本论文以心理学的相似性模型为基础，借鉴人对相似性认知的产生过程，建立了一个基于模糊比较的OWL概念语义相似性度量模型—FuzzyCon模型。该模型以OWL DL描述的本体概念为计算对象，从OWLDL的语义中计算概念的相似性。 本体概念的相似性度量包含了三个要素：本体概念、语义和相似性。论文在分析OWL DL的性质和描述逻辑的相关概念的基础上，利用OWL DL与描述逻辑SHOIN(D)之间的等价关系，将OWL DL表述的概念转化为SHOIN(D)中的一组公理，并将这组公理规整为以角色为中心的范式(SSNF)；在分析概念的SSNF基础上，论文提出概念的特性集由概念的显蕴涵子项、隐蕴涵子项和角色连接概念构成，并论述了这三种元素在相似性度量中的作用。 FuzzyCon模型是Rodriguez_Egenhofer模型的扩展。论文用模糊集构造概念特性集的模糊交集和模糊差集；以概念间的相似性函数为基础，构建模糊交集和模糊差集的隶属函数；用特性权值定义显著性函数f，使函数f的值与概念特性集中特性的多寡和特性权值的大小成正比。模糊集和特性权值的引入，使FuzzyCon模型的计算结果能表现用户的个性化相似性认识。 论文分析了相似性的产生过程以及心理学中刺激量与心理量的关系，引入了概念权值来模拟心理量所具有的特征。根据人的心理特点，设定了两个约束概念权值的因素，以使概念权值具有心理量的特征；讨论了结合构造符、约束构造符和人的主观性对概念权值的影响。在此基础上，论文提出了概念权值的计算模型—Salience模型，从概念的定义中计算出权值；证明了在循环TBox T中，可在有限的迭代次数中使概念权值趋向一个固定值；给出概念的特性权值的计算方法，并阐述了特性权值的特点。 论文用实验的方法验证和分析FuzzyCon模型与Salience模型的性质。结合