[发明专利]一种文档语义相似度计算方法

权利要求书

1.一种文档语义相似度计算方法，其特征在于，采用设定阈值的方法，分区间计算相似度，具体包括以下步骤：

A、构建一套或多套本体库；通过输入概念体系和主要描述词语构成本体库，本体库中，概念之间根据关联程度构成概念树，概念树构成概念森林；

B、计算语义相似度；利用tf-idf算法计算查询对象vQuery_m与文档vDoc_m之间的语义相似度，计算公式为，

sim(vQuerym,vDocn)=Σjtf-idf(cnj)·Σisim(cmi,cnj)]]>

tf为查询对象在文档中出现的次数，idf为查询对象普遍重要性的度量，

sim(c_mi,c_nj)为概念c_mi，c_nj之间的语义相似度，计算公式如下，

sim(cmi,cnj)=p·cd+c]]>

d为两个概念在概念树中的距离；c为随系统自动调节参数；p为本体中预定义的c_mi，c_nj之间的关联程度，默认值为1；

C、设定阈值，计算概念相似度；选择阈值δ，0≤δ＜1，重新改写概念相似度并记为S，则，

S=sim-δ1-δif sim>δ0else,(0≤δ<1)]]>

sim为sim(c_mi,c_nj)简写；

D、语义相似度计算公式变形；将概念相似度S代入tf-idf算法，得到语义相似度计算公式，

sim(vQuerym,vDocn)=Σjtf-idf(cnj)·ΣiS(cmi,cnj)=ΣiΣcnj∈SETitf-idf(cnj)·S(cmi,cnj)]]>

S(c_mi,c_nj)为的c_mi，c_nj的概念相似度S，词语c_mi属于vQuery_m，SET_i为与c_mi相似度大于0的词语集合。