随着互联网技术的飞速发展,网络中的数据资源呈现迅猛增长的态势,这就为高效地共享网络中的资源提出了新的要求。2001年,国际万维网之父TimBerners-Lee创造性地提出了语义网的构想,为Web中数据资源的互联互通指出了一条崭新的道路。在语义网的技术领域里,语义相似度计算作为其基础,近年来被越来越广泛地应用在诸如信息检索、机器翻译以及个性化推荐等诸多领域。而关联数据(Linked Data)作为语义网发展的重要阶段,由于其中包含了丰富的结构化的、相互关联的数据,使得语义关联的实现有了可能。本文分析了 日前数据语义相似度计算的相关算法,对不同类型的数据间的语义相似度的算法分别提出了改进方案。首先针对文本类型的数据,在原有算法考虑了节点距离对语义相似度影响的基础之上,进一步考虑了节点深度的影响,用两义原节点的最近公共祖先节点表征需要计算相似度的两义原节点的深度。其次,针对资源描述框架(RDF)类型的数据,综合考虑了 RDF三元组的结构特性和RDF图中节点的语义信息对相似度的影响,分别采用连接边权值和领域本体模型内最近公共祖先节点的概念,来表征RDF数据中的结构特性和语义信息对相似度值的影响。仿真结果证明了上述两种改进算法能够有效地提高对应类型的数据间的语义相似度计算结果的精确性。在改进的语义相似度算法的基础之上,本文分析了关联数据建模的一般流程,并结合具体图书书目数据的特点,为描述书目信息的RDF数据分别添加了逻辑层面和语义层面上的关联关系,使孤立的RDF数据元得以相互连接,进而构建起了基于书目信息的关联数据模型。