王 凱

（蚌埠醫(yī)學(xué)院 信息技術(shù)教研室，安徽 蚌埠 233030）

在臨床醫(yī)學(xué)的研究與探索的過程中，知識(shí)總量正日益呈現(xiàn)出爆炸式增長，基于信息系統(tǒng)的領(lǐng)域知識(shí)由于自身所存在的異構(gòu)等特征，限制了領(lǐng)域知識(shí)的共享與復(fù)用，相互間無法進(jìn)行知識(shí)交互?？陀^上迫切地需要一種新的包含各種醫(yī)療診斷以及治療信息的概念術(shù)語集，繼而滿足基于用戶的智能化、自動(dòng)化以及結(jié)構(gòu)化的診斷需求。

本文首先介紹了基于二元關(guān)系的數(shù)據(jù)分析理論，并在此基礎(chǔ)上通過分析概念節(jié)點(diǎn)的屬性信息、層次結(jié)構(gòu)信息以及對(duì)偶信息等維度，分別引入與之相關(guān)的變量因子，對(duì)概念對(duì)的語義距離通過上述變量因子進(jìn)行語義加權(quán)，最終獲取具有該概念對(duì)特征屬性集的語義相似度矩陣。

1 基本理論概念

概念格［1］（又稱 Galois格）是由 Wille于 1982年初次提出，是將概念節(jié)點(diǎn)劃分為基于對(duì)象和屬性的形式概念層次結(jié)構(gòu)，在知識(shí)管理、信息檢索和規(guī)則提取等方面有著廣泛的應(yīng)用。概念格內(nèi)的所有概念均是基于相同背景下的形式概念集合，概念的計(jì)算效率依賴于某些特定算法［2］，概念節(jié)點(diǎn)間的關(guān)系能夠清楚地反映出概念間的層次結(jié)構(gòu)以及相互之間泛化與特化的關(guān)系。

概念節(jié)點(diǎn)通常將概念所包含的對(duì)象和屬性轉(zhuǎn)化成相應(yīng)的外延特征（extent）與內(nèi)涵特征（intent）。由于概念節(jié)點(diǎn)的形成依賴于一個(gè)概念背景，該背景需要包含外延集與內(nèi)涵集，以及二者之間的某種二元關(guān)系，其中外延集為對(duì)象集合，內(nèi)涵集為屬性集合，此二元關(guān)系需要嚴(yán)格滿足有且僅有一個(gè)對(duì)應(yīng)偏序集，且此偏序集滿足自反性、對(duì)偶性和傳遞性［3］。

形式背景可由如表1所示的二維數(shù)表來表示，G=｛1，2，3，4，5｝表示屬性，M=｛A，B，C，D｝表示對(duì)象，交叉數(shù)值表示該對(duì)象具有此屬性特征，反之則表示該對(duì)象與屬性沒有直接關(guān)聯(lián)性?；谠撔问奖尘翱缮膳c之相對(duì)應(yīng)的形式概念如表2所示。由概念間的繼承關(guān)系可得如圖1所示的Hasse圖。

表1 概念格的形式背景示例Tab.1 Example for formal context of Galois

表2 概念格所生成的概念實(shí)例Tab.2 Concept example produced by Galois

圖1 與表2相對(duì)的Hasse圖Fig.1 Hasse map based on table 2

2 改進(jìn)的語義相似度標(biāo)注模型

傳統(tǒng)意義上的語義概念包含的信息量取決于該概念節(jié)點(diǎn)所包含的實(shí)例對(duì)象的數(shù)量（或是其所占權(quán)重的大小）以及該節(jié)點(diǎn)的直接子類節(jié)點(diǎn)數(shù)量。根據(jù)概念格基本理論，子類概念的形成過程本質(zhì)上是對(duì)其祖先概念特征的細(xì)化過程，必然包含了其祖先的所有特征信息［4］。

定義1 將概念節(jié)點(diǎn)所包含的實(shí)例對(duì)象的出現(xiàn)概率表示為F(c)=log(fc)，而將概念外延節(jié)點(diǎn)所包含的直接子類節(jié)點(diǎn)數(shù)量記作o（c），

其中，d(anc12)是概念節(jié)點(diǎn)1、2子節(jié)點(diǎn)數(shù)量；d(fc)表示該形式背景所生成的概念格結(jié)構(gòu)中各節(jié)點(diǎn)度的最大數(shù)值；表示兩概念最近相同祖先所包含的語義實(shí)例信息量。

2.1 概念有向邊標(biāo)注

不同語義實(shí)體間關(guān)系的遠(yuǎn)近不僅取決于其自身所具有的共享內(nèi)涵集的大小，還與差異化內(nèi)涵集的最小蘊(yùn)含集范圍有關(guān)。其中，共享內(nèi)涵集愈大，差異化內(nèi)涵集愈小，概念間的語義關(guān)系就愈近，相似度就愈高。概念格內(nèi)的節(jié)點(diǎn)之間，滿足與本體內(nèi)父子概念間的分類與繼承關(guān)系，即子概念無條件地繼承來自父類節(jié)點(diǎn)的特征集合，包含其眾多祖先節(jié)點(diǎn)屬性集合的交集［5］。對(duì)于一個(gè)格結(jié)構(gòu)嚴(yán)格滿足二元關(guān)系的形式背景而言，相鄰節(jié)點(diǎn)間可用一個(gè)有向邊表示分類與非分類關(guān)系集。

通常情況下，鄰近節(jié)點(diǎn)之間的有向邊長度取決于位于邊的兩端概念節(jié)點(diǎn)屬性量的范圍，即滿足有向邊的長度與節(jié)點(diǎn)屬性量的正相關(guān)性。下面給出概念有向邊的標(biāo)注方法：若設(shè)c為本體概念，A（c）是概念節(jié)點(diǎn)所包含的屬性量，F(xiàn)（c）是該概念可能存在于某概念集合中的概率，N（c）是反映概念出現(xiàn)的統(tǒng)計(jì)量，L(a→b)表示概念a到b的有向邊長度?；诮y(tǒng)計(jì)概率理論，則概念有向邊的標(biāo)注與格內(nèi)節(jié)點(diǎn)之間的路徑長度呈現(xiàn)正相關(guān)性，同時(shí)該相關(guān)性與其到最近最短相同祖先的長度有關(guān)。

為了更清晰地理解概念有向邊的標(biāo)注方法，將包含上述概念屬性的語義變量關(guān)系表示為

式中的分子部分表示該有向邊的長度與邊節(jié)點(diǎn)的屬性量差值有關(guān)，分母則表示了該路徑中，任意兩概念節(jié)點(diǎn)之間的最近最短相同祖先路徑的取值。一般情況下，概念節(jié)點(diǎn)之間的有向邊標(biāo)注需要考慮節(jié)點(diǎn)間的語義距離，故為增加該標(biāo)注的準(zhǔn)確性，引入調(diào)節(jié)參數(shù)α、λ，對(duì)（2）式加以修正。

2.2 概念節(jié)點(diǎn)層次標(biāo)注

概念節(jié)點(diǎn)層次主要利用概念格整體結(jié)構(gòu)中所蘊(yùn)含的領(lǐng)域形式背景知識(shí)，細(xì)化偏序集的概念層次二元關(guān)系?；谏锓诸悓W(xué)的基本知識(shí)可知，在概念有向邊距離相等的前提下，加權(quán)Hasse圖中，概念節(jié)點(diǎn)位置愈靠近底層，表明概念的細(xì)化特征愈明顯，語義相似度就愈大，即概念節(jié)點(diǎn)對(duì)的深度差愈小，概念內(nèi)涵就愈具體。同時(shí)處于相同背景下的領(lǐng)域概念必存在相同或相近的語義特征，祖先節(jié)點(diǎn)間必存在交點(diǎn)，由此給出概念節(jié)點(diǎn)層次的語義標(biāo)注。

定義2 在任意概念節(jié)點(diǎn)間語義距離相等時(shí)，概念對(duì)的節(jié)點(diǎn)深度和（差）越大（小），概念間的語義相似度就越大（?。?。概念節(jié)點(diǎn)層次的語義標(biāo)注為

其中，Depth（C）是概念節(jié)點(diǎn)層次的求解函數(shù)，η為用于調(diào)節(jié)節(jié)點(diǎn)深度差的數(shù)值。

概念格結(jié)構(gòu)內(nèi)各節(jié)點(diǎn)層次求解方程可以近似地用帶參數(shù)的指數(shù)函數(shù)表示為

2.3 概念對(duì)非對(duì)偶標(biāo)注

定義3 領(lǐng)域概念之間的語義距離一般可使用相似求解函數(shù)Sim來求解，若某概念對(duì)（A，B）滿足條件Sim（A，B）=Sim（B，A），稱在求解函數(shù)Sim的約束下，具有完全對(duì)偶性。

醫(yī)學(xué)診斷知識(shí)庫中，知識(shí)間往往存在某種程度的非對(duì)偶性，利用文獻(xiàn)［6-7］提出的計(jì)算模型分別從不同角度計(jì)算該數(shù)據(jù)庫中的任意概念，發(fā)現(xiàn)概念節(jié)點(diǎn)間的語義匹配具有方向性［8］。一般條件下，概念A(yù)與其父類節(jié)點(diǎn)B的相似度值大于其祖先B與其子節(jié)點(diǎn)A的值，即Sim（A，B）要小于Sim（B，A）。因此本文為使算法更具一般性，將概念節(jié)點(diǎn)間的非對(duì)偶性定義為

上述神話表明文字作為人類文明的劃時(shí)代標(biāo)志，它是文明與野蠻的區(qū)別。從空間上看，不同人群是否掌握了文字和書寫能力，成為統(tǒng)治與被統(tǒng)治的一個(gè)工具，無文字的族群被貼上“野蠻人”或“落后”的標(biāo)簽。奇怪的事，神話敘事的主體是無文字民族，這似乎表明他們接受了無文字帶來的后果，自責(zé)及接受“神授”安排的無奈。

因此可以將互為對(duì)偶的概念節(jié)點(diǎn)對(duì)之間的關(guān)系表示為

2.4 概念語義度量模型

概念語義度量是將概念之間的有向邊賦予相應(yīng)的權(quán)值，同時(shí)利用節(jié)點(diǎn)的層次信息，將節(jié)點(diǎn)深度對(duì)于相似度的影響量化，最后引入節(jié)點(diǎn)概念對(duì)的非對(duì)偶性特征，提高模型的使用范圍。因此，利用概念屬性的加權(quán)特征，將概念對(duì)的語義相似度表示為

其中的ε為權(quán)重因子，用以修正相似度結(jié)果大于1的情況。上述模型的結(jié)果是0到1范圍內(nèi)的數(shù)值，相似度越大，表明概念所蘊(yùn)含的內(nèi)在屬性愈具有一致性。利用概念語義度量模型可以得出如下結(jié)論：相同概念的語義相似度為1；Hasse圖結(jié)構(gòu)中的屬性共享范圍越大，語義相似度也愈越大；節(jié)點(diǎn)位置越深，即屬性特征愈細(xì)化，語義相似度也愈接近。

3 實(shí)例分析

本實(shí)例所包含的形式背景來源于高血壓臨床診斷知識(shí)庫，對(duì)象集和屬性集分別為基于臨床診斷概念本體的基本概念。針對(duì)本文方法，分別設(shè)計(jì)并計(jì)算兩組對(duì)比試驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析比較。使用Protégé 3.4 beta本體構(gòu)建工具描述本體所包含的概念及其關(guān)系（見圖2，3）。

圖2 實(shí)驗(yàn)本體1Fig.2 Test noumenon 1

圖3 實(shí)驗(yàn)本體2Fig.3 Test noumenon 2

表4 相似度度量結(jié)果Tab.4 Results of similarity measurement

4 結(jié)語

本文提出了一種合理的領(lǐng)域本體概念相似度計(jì)算方法，并使用概念節(jié)點(diǎn)的深度、對(duì)偶性等信息量加權(quán)了概念實(shí)體的相似度度量結(jié)果，不僅在計(jì)算結(jié)果上更加趨近于真實(shí)的分類效果，而且綜合考慮對(duì)象與其所包含的屬性間的分類與非分類關(guān)系，使得不相關(guān)概念對(duì)的發(fā)生率出現(xiàn)顯著降低。改進(jìn)后的模型的概念，對(duì)為零的矩陣值相比于基于信息距離的模型，在樣本抽樣實(shí)驗(yàn)中降低了無關(guān)概念對(duì)的產(chǎn)生，提高了概念間相似度度量準(zhǔn)確度。

（References）

［1］穆斌.語義Web中的語義度量與本體映射［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，29（3）：300-304.

［2］顧進(jìn)廣，黃屹，周毅.Mediator模式下基于語義映射的多本體融合機(jī)制研究［J］.武漢大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，52（1）：81-86.

［3］強(qiáng)宇，劉宗田，林煒，等.模糊概念格在知識(shí)發(fā)現(xiàn)的應(yīng)用及一種構(gòu)造算法［J］.電子學(xué)報(bào)，2005，33（2）：350-353.

［4］CHO M，CHOI C.Comparing ontologies using entropy［C］//Washington DC Proc of International Conference on Convergence Information Technology.USA：IEEE Computer Society，2007.

［5］TVERSKY G.An approach based on hierarchies of concept［C］//Rival I Ordered Sets.Dordrecht： Reidel，1982.

［6］毛華，竇林立.基于矩陣列秩屬性優(yōu)先的概念格算法［J］.河北大學(xué)學(xué)報(bào)：自然科學(xué)版 ，2009，29（2）：130-132.

［7］呂剛，鄭誠.改進(jìn)的基于概念相似度的文本檢索［J］.計(jì)算機(jī)工程 ，2010，36（12）：55-57.

［8］DOAN A H，MADHAVAN J，DOMINGOS P.Learning to map between ontologism on the semantic Web［C］//Proceedings of the 11th Intemational Conferenceon on World Wide Web.New York：ACM Press，2002.

［9］賴院根，王娜.概念語義相似度計(jì)算與參數(shù)估計(jì)［J］.情報(bào)雜志，2009，28（8）：148-152.

［10］夏天.漢語詞語語義相似度計(jì)算研究［J］.計(jì)算機(jī)工程，2007，33（6）：191-193.