[论文解读] A New Similarity Measure for Taxonomy Based on Edge Counting

Manjula Shenoy. K, K. C. Shet+1 more|arXiv (Cornell University)|Nov 20, 2012

Advanced Text Analysis Techniques被引用 4

一句话总结

本文提出了一种基于分类法的新型相似度度量方法，通过引入概念之间的最短路径和整个分类法的深度，改进了吴和帕尔默的边计数法，引入惩罚因子以纠正同一分支中相近概念的相似度得分高于邻近分支中概念的不一致现象。结果是在信息检索、本体匹配和文本挖掘等应用中，得到了更加语义准确且稳健的相似度度量。

ABSTRACT

This paper introduces a new similarity measure based on edge counting in a taxonomy like WorldNet or Ontology. Measurement of similarity between text segments or concepts is very useful for many applications like information retrieval, ontology matching, text mining, and question answering and so on. Several measures have been developed for measuring similarity between two concepts: out of these we see that the measure given by Wu and Palmer [1] is simple, and gives good performance. Our measure is based on their measure but strengthens it. Wu and Palmer [1] measure has a disadvantage that it does not consider how far the concepts are semantically. In our measure we include the shortest path between the concepts and the depth of whole taxonomy together with the distances used in Wu and Palmer [1]. Also the measure has following disadvantage i.e. in some situations, the similarity of two elements of an IS-A ontology contained in the neighborhood exceeds the similarity value of two elements contained in the same hierarchy. Our measure introduces a penalization factor for this case based upon shortest length between the concepts and depth of whole taxonomy.

研究动机与目标

• 解决吴和帕尔默的相似度度量方法中未能考虑概念之间语义距离的局限性。
• 纠正同一分类层级中概念的相似度得分低于邻近分支中概念的反直觉结果。
• 开发一种同时结合概念间最短路径和整个分类法深度的相似度度量方法。
• 引入惩罚因子，确保相似度得分能真实反映IS-A本体中的语义相关性。
• 通过改进概念相似度评估，提升信息检索、本体匹配和问答系统等应用的性能。

提出的方法

• 通过整合分类法中两个概念之间的最短路径长度，扩展吴和帕尔默的边计数方法。
• 将整个分类法的深度作为归一化因子，以提高在不同层级上的结果一致性。
• 定义一种新的相似度公式，结合最短路径距离和分类法深度，以减少相似度得分的偏差。
• 基于概念相对于根节点的位置及其与根的距离，引入基于位置的惩罚因子，以纠正误导性的相似度排序。
• 使用最低共同子代（LCS）概念来确定分类法中两个概念的汇聚点。
• 采用同时考虑LCS深度和分类法总深度的函数对相似度得分进行归一化。

实验结果

研究问题

• RQ1 如何提升IS-A分类法中概念相似度度量的语义准确性？
• RQ2 为何吴和帕尔默的度量方法在比较同一分类层级与邻近分支中的概念时会产生不一致的结果？
• RQ3 整合最短路径和整体分类法深度是否能提升相似度得分的一致性？
• RQ4 惩罚因子对语义相关但位置不同的概念的相似度得分有何影响？
• RQ5 与现有方法相比，所提出的度量方法在稳健性和语义正确性方面表现如何？

主要发现

• 所提出的相似度度量方法解决了同一分类层级中概念的相似度得分低于邻近分支中概念的问题。
• 通过整合最短路径和分类法深度，该方法提供了更加一致且具有语义意义的相似度得分。
• 惩罚因子有效减少了对在分类层级中接近但远离根节点的概念的相似度高估现象。
• 该方法通过确保相似度值反映真实的概念相关性而非仅结构位置，优于吴和帕尔默的方法。
• 新度量方法在需要精确概念相似度的应用（如本体匹配和信息检索）中表现出更高的可靠性。
• 理论分析证实，该度量方法保持了对称性和在不同分类法深度下的正确归一化等理想属性。