本书基于领域本体信息，从概念、语句和文档三个对象层面研究文本数据的语义相似度计算问题。详细描述了语义提取、语义描述、语义计算三方面内容。包括概念相似度/相关度计算方法；语句相似度计算方法；文档相似度计算方法以及基于语义的领域搜索引擎的索引、排序技术等。书后还附有作者提供的计算数据，以便帮助读者更好地阅读使用本书。

随着计算机和互联网技术的发展，文本数据的数量大幅度增长， 但是这类数据对于计算机来说难于理解和使用，语义相似度计算是 解决这一问题的重要途径。现有的语义相似度计算方法在应用时大 都需要大规模语料库或完备本体等附加信息，在缺乏这些附加信息 的实际应用中，方法的应用受到了限制；此外，针对概念、语句和 文档不同粒度的文本研究对象的相似度计算方法研究是在不同时期、 不同背景下进行的，没有形成统一的理论体系。针对以上问题，本 书基于领域本体结构信息，从概念、语句和文档三个对象层面研究 文本数据的语义相似度计算问题，计算过程包括语义提取、语义描述、 语义计算三个主要阶段。提取研究对象在本体中的结构信息描述对 象本身，构建语义向量，从而进行语义相似度计算。本书主要包括 以下3 个方面的内容： 1. 提出了一种基于树结构和以树为主体的图结构的相似度和相 关度计算方法。通过分析本体的树结构，可以发现概念节点的祖先 概念节点和后代概念节点与当前概念节点语义相关，据此特点可以 找出概念节点在本体树中的相关概念节点；根据概念节点在本体中 所处位置的结构信息计算概念节点密度，实现基于树结构本体的概 念语义提取、语义描述和语义相似度计算。在树结构本体相似度计 算方法的基础上，进一步提出了基于以树为主体的图结构的概念相 关度计算方法。针对特定语义相关度计算需要，将以树为主体的图 结构本体转化为树结构本体，计算概念节点间的语义相关度。本方 法在领域数据中得到较好的应用，在标准数据集WordNet 上的实 验也证明：与经典的计算方法相比，在缺乏大规模语料库的前提下， 本方法获得了很好的皮尔森线性相关系数值（Correlation）。 2. 提出了一种基于树结构本体的语句相似度计算方法。利用本 体概念与语句中关键词之间建立的语义索引，构建语句与本体间的 直接和间接语义联系，据此提取描述句子的语义向量，从而计算语 句间的语义相似度。应用微软研究院的意译语料库（MSRP）对本 方法进行验证，实验结果表明：在仅基于领域本体的计算背景下， 本方法获得了较好的准确率和召回率。 3. 提出了一种基于树结构本体的文档相似度计算方法。除利用 本体概念与文档中的关键词建立的语义索引来构建文档与本体间的 直接和间接语义联系外，还利用本体的层次结构信息估算文档关键 词的权重，据此构建基于本体的文档语义向量来计算文档间的语义 相似度。用Michael D. LEE 50 标准文档相似度测试数据集进行验 证，实验结果表明：在仅基于领域本体的计算背景下，本方法获得 了较好的皮尔森线性相关系数值。 本书第1 章简要介绍和分析语义相似度计算既有研究成果；第 2 章详细论述基于树结构和以树为主体图结构本体的概念相似度和 相关度计算方法，并在WordNet 上进行案例分析；第3 章在详细 分析语句相似度计算已有工作的基础上，详细论述基于本体的语句 相似度方法，并介绍在微软研究院的意译语料库（MSRP）上的案 例分析；第4 章在详细分析文档相似度计算已有研究工作的基础上， 详细论述基于本体的文档相似度方法，并描述在Michael D. LEE 50 标准文档相似度测试数据集上的案例分析情况；第5 章中利用 提出的语义相似度计算方法来设计搜索引擎的语义索引机制和排序 机制。 很长时间以来，笔者致力于文本语义计算的研究工作，发表了 多篇较高学术水平论文，申请了相关计算方法的软件著作权等，形 成了较完整的基于领域本体的多粒度文本对象的语义相似度计算方 法和理论。本书内容详实，实验数据丰富，适合作为相关领域从事 科研或应用开发人员的参考用书。 本书受北京市信息服务工程重点实验室、北京市属高等学校人 才强教深化计划中青年骨干人才项目(PHR201108419)、国家自然 科学基金项目（No.61372148，61271369）和北京市属高等学校创 新团队建设与教师职业发展计划项目(CIT＆TCD20130513) 资助； 感谢北京联合大学鲍泓教授和北京交通大学须徳教授对本书的撰写、 出版所做的指导，感谢徐维正、王军两位同学对本书实验编程所做 的贡献，感谢王棚飞、吴焰樟、李晓光同学在本书出版之前给出的 读者意见。

第1 章绪论 1.1 国内外研究现状及分析 / 1 1.1.1 国内外研究现状 / 1 1.1.2 国内外研究分析 / 5 1.2 本书的主要研究工作与创新点 / 6 1.2.1 本书主要研究工作 / 6 1.2.2 本书创新点 / 7 第2 章概念相似度/相关度计算方法 2.1 概念相似度计算中的本体和语料库 / 9 2.1.1 WordNet 本体简介 / 9 2.1.2 语料库简介 / 24 2.2 概念相似度和相关度关系 / 25 2.3 概念语义相似度计算的既有研究成果 / 26 2.4 本体的树结构（HCT）和图结构（HCG） / 32 2.4.1 HCT 和HCG / 32 2.4.2 WordNet 中的HCT 和HCG 结构 / 32 2.4.3 HCT 和HCG 结构中影响语义相似度和相关度 的因素 / 33 2.5 基于HCT 本体结构的语义相似度 / 36 2.5.1 方法起源 / 36 2.5.2 概念相似度计算的相关定义 / 38 2.5.3 概念节点密度和相关概念节点对相似度计算 的影响 / 40 2.5.4 概念相似度计算 / 44 2.6 基于HCG 本体结构的语义相关度 / 45 2.6.1 HCT 结构和HCG 结构的关系 / 45 2.6.2 HCG 中的整体/ 部分关系的分类 / 46 2.6.3 将HCG 转换为HCT 的方法 / 51 2.7 案例分析 / 53 2.7.1 案例1 利用某大学信息学院本体来计算概念 相关度 / 53 2.7.2 案例2 WordNet 本体 / 58 2.8 小结 / 66 第3章语句相似度计算方法 3.1 语句相似度计算简介 / 68 3.2 语句相似度计算的既有研究成果 / 68 3.3 基于本体的语句相似度计算方法 / 69 3.3.1 语句相似度计算相关定义 / 69 3.3.2 基于HCT 本体结构的语句相似度计算方法 / 71 3.4 案例分析 / 73 3.4.1 案例1 基于领域本体计算语句相似度 / 73 3.4.2 案例2 基于MSRP 语料库的语句相似度计算 / 76 3.5 小结 / 85 第4 章文档相似度计算方法 4.1 文档相似度计算简介 / 87 4.2 文档相似度计算的既有研究成果 / 87 4.3 基于本体的文档相似度计算方法 / 88 4.3.1 文档相似度计算相关定义 / 88 4.3.2 概念节点权重关系 / 89 4.3.3 基于HCT 本体结构的文档相似度计算方法 / 91 4.4 案例分析 / 95 4.4.1 案例1 基于领域本体计算文档相似度 / 95 4.4.2 案例2 使用Michael D. Lee 标准文档 数据集计算文档相似度 / 95 4.5 小结 / 101 第5 章基于语义的领域搜索引擎 5.1 搜索引擎工作原理 / 103 5.2 基于语义相似度的索引技术 / 106 5.2.1 相关技术及分析 / 106 5.2.2 基于语义相似度计算的领域搜索索引技术 / 106 5.3 基于语义相似度的排序技术 / 109 5.3.1 已有排序技术与分析 / 109 5.3.2 基于语义相似度计算的领域搜索排序技术 / 109 5.4 小结 / 112 附录 案例分析计算数据 / 174