Defining degree of semantic similarity using description logic tools
Establishing the semantic similarity of information is an integral part of the process of solving any information retrieval tasks, including tasks related to big data processing, discovery of semantic web services, categorization and classification of information, etc. The special functions to deter...
Збережено в:
| Дата: | 2021 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
Інститут програмних систем НАН України
2021
|
| Теми: | |
| Онлайн доступ: | https://pp.isofts.kiev.ua/index.php/ojs1/article/view/458 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Problems in programming |
| Завантажити файл: |  |
Репозитарії
Problems in programming| id |
pp_isofts_kiev_ua-article-458 |
|---|---|
| record_format |
ojs |
| fulltext |
24
-
-
-
-
-
-
-
-
ALC
-
-
O. Zakharova
-
-
-
-
25
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
a
26
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
27
existential similarity of concepts -
-
-
-
-
-
-
-
-
-
-
-
-
-
-
( , ) =
( ) ( )
( ) ( ) + ( )\ ( ) + ( )\ ( )
( , ) =
2 ( ( ) ( ))
( ) + ( )
-
-
28
-
-
-
-
dist(C,D) =_def IC(C)+IC(D)-2IC(MSA(C,D))
-
s
i
-
-
nf(C)
C D
nf(D) nf(C)
-
-
( , ) =
2 (( , ))
2 ( , ) + ( ( , ) + ( ( , ))
-
-
-
-
dist(C,D) =_def |nf(C)|+|nf(D)|-
2*|nf(LCS(C,D))|,
dist(C,D) =_def IC(C)+IC(D)-
2*IC(lcs(C,D)),
sim(C,D) =_def (2*IC(lsc(C,D)))/
(IC(C)+IC(D))
-
-
-
-
-
-
-
( , ) =
| |
| |
max (| |/
| |, | |/| |)
I=C D
-
-
-
-
-
-
-
-
-
-
-
( , ) =
(| |, | |)
|( ( , )) |
1
( , )
| |
1
(| |, | |)
( , )
,
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
| | | |
| |
-
31
( , )
=
| |
| | + | | | |
max
| |
| |
,
| |
| |
=
29
47 + 29 29
29
47
,
29
29
=
29
47
= 0,62
-
| | =0, where =
-
-
-
-
LCS(C,D)=MSA(C,D) is the true. Particular-
ly, Polygon =LCS(Triangle, Quadrangle) =
MSA(Triangle, Quadrangle)
dist(Triangle,Quadrangle) =_def
|nf(Quadrangle)|+|nf(Triangle)|-
2*|nf(lcs(Triangle,Quadrangle))|=
|nf(Quadrangle)|+|nf(Triangle)|-
2*|nf(Polygon)|=2+2-2*1=2
-
( , )
=
min (| |, | |)
|( ( , )) |
1
( , )
| |
1
min(| |, | |)
( , )
=
min(| |, | |)
| |
1
| |
| |
1
min(| |, | |)
| |
=
17
47
1
47
49
1
17
47
=
17
47
19
49
0,14
( , ) =
2 ( ( ) ( ))
( ) + ( )
=
2 1
3 + 3
=
1
3
32
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
33
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
Olga Zakharova,
-
|
| resource_txt_mv |
ppisoftskievua/c1/25382dbdad1d058d1cd456b8311a08c1.pdf |
| institution |
Problems in programming |
| baseUrl_str |
https://pp.isofts.kiev.ua/index.php/ojs1/oai |
| datestamp_date |
2024-04-26T22:22:33Z |
| collection |
OJS |
| language |
English |
| topic |
semantic similarity of information a value of similarity of concepts least concept subsumer measures for similarity evaluating most specific concept most specific is-a ancestor similarity function similarity measure information content UDC 004.94 |
| spellingShingle |
semantic similarity of information a value of similarity of concepts least concept subsumer measures for similarity evaluating most specific concept most specific is-a ancestor similarity function similarity measure information content UDC 004.94 Zakharova, O.V. Defining degree of semantic similarity using description logic tools |
| topic_facet |
semantic similarity of information a value of similarity of concepts least concept subsumer measures for similarity evaluating most specific concept most specific is-a ancestor similarity function similarity measure information content UDC 004.94 cемантична подібність інформації найменше спільне покриття оцінки вимірювання подібності найбільш специфічний концепт найбільш специфічний попередник функція подібності подібність за інформаційним змістом УДК 004.94 |
| format |
Article |
| author |
Zakharova, O.V. |
| author_facet |
Zakharova, O.V. |
| author_sort |
Zakharova, O.V. |
| title |
Defining degree of semantic similarity using description logic tools |
| title_short |
Defining degree of semantic similarity using description logic tools |
| title_full |
Defining degree of semantic similarity using description logic tools |
| title_fullStr |
Defining degree of semantic similarity using description logic tools |
| title_full_unstemmed |
Defining degree of semantic similarity using description logic tools |
| title_sort |
defining degree of semantic similarity using description logic tools |
| title_alt |
Визначення ступеня семантичної подібності з використанням апарату дескриптивних логік |
| description |
Establishing the semantic similarity of information is an integral part of the process of solving any information retrieval tasks, including tasks related to big data processing, discovery of semantic web services, categorization and classification of information, etc. The special functions to determine quantitative indicators of degree of semantic similarity of the information allow ranking the found information on its semantic proximity to the purpose or search request/template. Forming such measures should take into account many aspects from the meanings of the matched concepts to the specifics of the business-task in which it is done. Usually, to construct such similarity functions, semantic approaches are combined with structural ones, which provide syntactic comparison of concepts descriptions. This allows to do descriptions of the concepts more detail, and the impact of syntactic matching can be significantly reduced by using more expressive descriptive logics to represent information and by moving the focus to semantic properties. Today, DL-ontologies are the most developed tools for representing semantics, and the mechanisms of reasoning of descriptive logics (DL) provide the possibility of logical inference. Most of the estimates presented in this paper are based on basic DLs that support only the intersection constructor, but the described approaches can be applied to any DL that provides basic reasoning services.This article contains the analysis of existing approaches, models and measures based on descriptive logics. Classification of the estimation methods both on the levels of defining similarity and the matching types is proposed. The main attention is paid to establishing the similarity between concepts (conceptual level models). The task of establishing the value of similarity between instances and between concept and instance consists of finding the most specific concept for the instance / instances and evaluating the similarity between the concepts. The term of existential similarity is introduced. In this paper the examples of applying certain types of measures to evaluate the degree of semantic similarity of notions and/or knowledge based on the geometry ontology is demonstrated.Problems in programming 2021; 2: 024-033 |
| publisher |
Інститут програмних систем НАН України |
| publishDate |
2021 |
| url |
https://pp.isofts.kiev.ua/index.php/ojs1/article/view/458 |
| work_keys_str_mv |
AT zakharovaov definingdegreeofsemanticsimilarityusingdescriptionlogictools AT zakharovaov viznačennâstupenâsemantičnoípodíbnostízvikoristannâmaparatudeskriptivnihlogík |
| first_indexed |
2024-09-16T04:08:01Z |
| last_indexed |
2024-09-16T04:08:01Z |
| _version_ |
1818568318221549568 |
| spelling |
pp_isofts_kiev_ua-article-4582024-04-26T22:22:33Z Defining degree of semantic similarity using description logic tools Визначення ступеня семантичної подібності з використанням апарату дескриптивних логік Zakharova, O.V. semantic similarity of information; a value of similarity of concepts; least concept subsumer; measures for similarity evaluating; most specific concept; most specific is-a ancestor; similarity function; similarity measure information content UDC 004.94 cемантична подібність інформації; найменше спільне покриття; оцінки вимірювання подібності; найбільш специфічний концепт; найбільш специфічний попередник; функція подібності; подібність за інформаційним змістом УДК 004.94 Establishing the semantic similarity of information is an integral part of the process of solving any information retrieval tasks, including tasks related to big data processing, discovery of semantic web services, categorization and classification of information, etc. The special functions to determine quantitative indicators of degree of semantic similarity of the information allow ranking the found information on its semantic proximity to the purpose or search request/template. Forming such measures should take into account many aspects from the meanings of the matched concepts to the specifics of the business-task in which it is done. Usually, to construct such similarity functions, semantic approaches are combined with structural ones, which provide syntactic comparison of concepts descriptions. This allows to do descriptions of the concepts more detail, and the impact of syntactic matching can be significantly reduced by using more expressive descriptive logics to represent information and by moving the focus to semantic properties. Today, DL-ontologies are the most developed tools for representing semantics, and the mechanisms of reasoning of descriptive logics (DL) provide the possibility of logical inference. Most of the estimates presented in this paper are based on basic DLs that support only the intersection constructor, but the described approaches can be applied to any DL that provides basic reasoning services.This article contains the analysis of existing approaches, models and measures based on descriptive logics. Classification of the estimation methods both on the levels of defining similarity and the matching types is proposed. The main attention is paid to establishing the similarity between concepts (conceptual level models). The task of establishing the value of similarity between instances and between concept and instance consists of finding the most specific concept for the instance / instances and evaluating the similarity between the concepts. The term of existential similarity is introduced. In this paper the examples of applying certain types of measures to evaluate the degree of semantic similarity of notions and/or knowledge based on the geometry ontology is demonstrated.Problems in programming 2021; 2: 024-033 Встановлення семантичної подібності інформації є невід’ємою складовою процесу вирішення будь –яких задач інформаційного пошуку, в тому числі задач, що пов’язані з обробкою великих даних, виявленням семантичних веб сервісів, категоризації та класифікації інформації тощо. Введення спеціальних функцій для визначення кількісних показників ступеня семантичної відповідності інформації дозволяють ранжувати знайдену інформацію за її семантичною близькостю до цілі або пошукового запиту/шаблону. Формування таких оцінок повинно враховувати багато аспектів від сутності самих понять, що оцінюються, до особливостей бізнес-задачі, в межах вирішення якої це робиться. Зазвичай, при побудові функцій подібності семантичні підходи поєднуються зі структурними, що забезпечують синтаксичне порівняння описів концептів. Це дозволяє деталізувати опис концепта, а вплив синтаксичної відповідності можна значно зменшити, використовуючи для представлення інформації більш виразні дескриптивні логіки (ДЛ) та шляхом перенесення фокусу на семантичні властивості. ДЛ-онтології, на сьогодні, є найбільш розвиненим засобом представлення семантики, а механізми міркувань ДЛ забезпечують можливість логічного виводу. Більшість наведених у роботі оцінок будуються на основі базових ДЛ, що підтримують лише констуктор перетину, але описані підходи можуть бути застосовані для будь-якої ДЛ, що забезпечує базові сервіси міркувань.В роботі проведений аналіз існуючих підходів, моделей та мір оцінювання, що засновані на застосуванні апарату ДЛ, запропонована їх класифікація як за рівнем визначення подібності, так й за видами співставлення. Головна увага приділяється встановленню подібності концептів. Задачі встановлення подібності між екземплярами/концептом та екземпляром зводяться до знаходження найбільш специфічного концепта для екземпляра/екземплярів та оцінювання подібності відповідних концептів. Введено поняття екзістенціональної подібності та продемонстровано застосування певних видів оцінок для визначення ступеня подібності понять/знань на прикладі онтології геометричних понять.Problems in programming 2021; 2: 024-033 Інститут програмних систем НАН України 2021-08-06 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/458 10.15407/pp2021.02.024 PROBLEMS IN PROGRAMMING; No 2 (2021); 24-33 ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 2 (2021); 24-33 ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 2 (2021); 24-33 1727-4907 10.15407/pp2021.02 en https://pp.isofts.kiev.ua/index.php/ojs1/article/view/458/461 Copyright (c) 2021 PROBLEMS IN PROGRAMMING |