多知识源下概念语义相似度或关联度计算方法及其评价

Semantic similarity or relatedness computation is an important research field of computer science and artificial intelligence, mainly because the semantic similarity or relatedness is a common problem in much information processing. With the development of new Web knowledge bases (i.e., semi-structured or structured semantic Big Data such as Wikipedia and Linked Data), how to investigate the concept semantic similarity or relatedness computation by integrating these novel massive semantic information is a very meaningful research problem. The project will study concept semantic similarity or relatedness computation approaches and their evaluation using multiple knowledge sources based on the existing works of this project group..In theory this project will study the theoretical framework of concept semantic similarity or relatedness computation using multiple knowledge sources. In technology this project will investigate some efficient computation approaches of concept semantic similarity or relatedness for massive semantic information and construct the evaluation benchmarks for the computation approaches of concept semantic similarity or relatedness. In applications this project will study semantics based Big Data services in education (i.e., semantic similarity or relatedness based information retrieval or classification of massive education digital resources) by making use of concept semantic similarity or relatedness to act as a technological tool..The research results of this project will have a certain impact on the theoretical and technical development of computer science and artificial intelligence.

语义相似度或关联度计算是目前计算机科学和人工智能的一个重要研究课题，主要原因是语义相似度或关联度是许多信息处理的共性问题。随着新的网络知识库（即半结构化或结构化语义大数据，如Wikipedia和Linked Data）的发展，如何集成这些新型海量语义信息来研究概念语义相似度或关联度计算是一个很有意义的问题。本项目在申请人及其团队已有工作的基础上研究概念语义相似度或关联度计算方法及其评价。理论上主要研究多知识源下概念语义相似度或关联度计算的理论框架。技术上主要研究多知识源下面向海量语义信息的概念语义相似度或关联度高效计算方法，并建立概念语义相似度或关联度计算方法的评价基准。应用上以概念语义相似度或关联度作为技术工具研究基于语义的教育大数据服务（基于语义相似度或关联度的海量教育数字资源检索或分类）。这些研究将对计算机科学和人工智能的理论及技术发展产生一定的积极影响。

概念语义相似度计算是计算机科学和人工智能的一个重要研究课题，本项目主要研究概念语义相似度计算方法及其评价，包括多知识源下概念语义相似度计算的理论框架，多知识源下面向海量语义信息的概念语义相似度计算方法，概念语义相似度计算方法的评价，以及基于知识图谱和概念语义相似度的文本和短文本资源推荐、分类和检索等。项目组基于多个异构知识图谱（多知识源）提出了一种统一的概念语义相似度计算框架：针对相似度计算的概念语义表达、基于概念语义表达的相似度计算框架及其实例化方法；利用知识图谱提出了一种基于多继承的概念语义相似度计算方法，主要通过概念的邻域来定义概念的语义空间，并集成相关多个祖先的语义贡献权重计算概念的语义度量，从而建立一种新的度量概念语义相似度的方法；基于两种统计模型（信息量和TFIDF）提出了混合语义相似度计算方法，给出了计算特征值权重的加权函数，并基于加权函数提出了新的基于加权特征的概念语义相似度计算方法；利用链接数据和WordNet提出了一种新的面向形式概念分析的语义相似度计算方法，该方法为形式概念和概念格给出了两种语义相似度计算方法，即上下文无关方法和上下文感知方法；研究了基于多知识源（多知识图谱）的语义信息检索问题，主要利用多知识图谱构建了概念（实体）的动态语义网络图以及加权动态语义网络图，并进一步利用加权动态语义网络图提出了一种基于多知识源的语义信息检索方法；结合形式概念分析、粗糙集理论和相似性推理提出了两种新的语义搜索方法，特别是利用通用知识图谱来计算概念之间的语义相似度，具有较好的通用性；提出了一种用于知识图谱对齐的多异构邻域感知模型，该模型聚合了对齐实体的多异构信息，包括实体名称、关系、属性和属性值，其中重要的贡献是设计了一种变体的注意力机制，将关系和属性的特征信息添加到注意力系数的计算中。这些研究成果对计算机科学和人工智能的理论及技术发展产生一定的积极影响。