[发明专利]一种基于维基百科度量概念之间语义相关度的方法

说明书

技术领域

本发明涉及计算机应用技术的技术领域，具体地涉及一种基于维基百科度量概念之间语义相关度的方法。

背景技术

现有的基于维基百科度量概念之间语义相关度的方法从方法上来讲，都没有利用维基百科结构上的特点。维基百科中，链接两个概念之间的锚文本链接与链接概念和分类之间的分类链接是不一样的，但两者所携带的结构信息是有冗余的，两者可以相互补充，使得相关度从相互链接的节点上扩散到本来并不相互链接的节点上。

从实现的功能来讲，这些方法仅仅能度量两个概念的相关度，并不能解释两者的关系。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种能推荐与给定概念语义上最相关的概念，能用维基百科中的类别来表示概念之间的语义关系的基于维基百科度量概念之间语义相关度的方法。

本发明的技术方案是：这种基于维基百科度量概念之间语义相关度的方法，包括离线步骤和在线步骤：

在离线步骤中，从维基百科的原始数据中生成概念之间的初始关系和概念与类别之间的初始关系；用一个迭代算法来将两种关系相互平滑，最后存储到索引中；

在在线步骤中，给定一个概念，推荐和这个概念语义上最相关的概念，并用维基分类来表示每个推荐出来的概念和原概念之间的关系。

采用这种方法能推荐与给定概念语义上最相关的概念，能用维基百科中的类别来表示概念之间的语义关系的基于维基百科度量概念之间语义相关度的方法。

附图说明

图1是根据本发明的离线步骤的流程图；

图2是根据本发明的在线步骤的流程图；

图3示出了本发明推荐相关概念以及概念之间的关系。

具体实施方式

下面对本发明的技术方案做进一步的详细描述。

这种基于维基百科度量概念之间语义相关度的方法，包括离线步骤和在线步骤：

在离线步骤中，从维基百科的原始数据中生成概念之间的初始关系和概念与类别之间的初始关系；用一个迭代算法来将两种关系相互平滑，最后存储到索引中；

在在线步骤中，给定一个概念，推荐和这个概念语义上最相关的概念，并用维基分类来表示每个推荐出来的概念和原概念之间的关系。

采用这种方法能推荐与给定概念语义上最相关的概念，能用维基百科中的类别来表示概念之间的语义关系的基于维基百科度量概念之间语义相关度的方法。

优选地，如图1所示，离线步骤包括以下分步骤：

(1.1)从维基百科数据中提取概念和概念之间通过锚文本链接得到的链接关系，并初始化得到概念-概念关系矩阵R，其中R_ij为概念i和概念j之间的语义关连强度，初始化如下：

R(0)ij=max(Iij,μG((MR)ij+(MR)ji2))]]>

其中I是单位矩阵，M_R为概念-概念之间的链接矩阵，即如果概念i和概念j通过锚文本直接相连(M_R)_ij＝1，否则(M_R)_ij＝0，μ_G用来调节I和M_R对初始化所起的作用；