维普资讯 http://www.cqvip.com Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用 基于本体的向量空间模型的压缩算法 袁铭蔚’，蒋平１，２ ＹＵＡＮ Ｍｉｎｇ－ｗｅｉ ．ＪＩＡＮＧ Ｐｉｎｇ’， １．同济大学电信学院控制理论与控制科学系，上海２０００９２ １．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｎｔｒｏｌ Ｔｈｅｏｒｙ ａｎｄ Ｃｏｎｔｒｏｌ Ｓｃｉｅｎｃｅ，Ｔｏｎｇｊｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０００９２，Ｃｈｉｎａ ２．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｙｂｅｒｎｅｔｉｃｓ ａｎｄ Ｖｉｒｔｕａｌ Ｓｙｓｔｅｍｓ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｂｒａｄｆｏｒｄ，Ｂｒａｄｆｏｒｄ，ＵＫ Ｅ—ｍａｉｌ：ｙｕａｎｍｉｎｇｗｅｉ＠ｙａｈｏｏ．ｃｏｍ．ｃｎ —ＹＵＡＮ Ｍｉｎｇ－ｗｅｉ，ＪＩＡＮＧ Ｐｉｎｇ．Ｃｏｍｐｒｅｓｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｏｎｔｏｌｏｇｙ ｂａｓｅｄ Ｖｅｃｔｏｒ Ｓｐａｃｅ Ｍｏｄｅ１．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，２００７，４３（２４）：１２－１４． Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｏｎｔｏｌｏｇｙ ｂａｓｅｄ ＶＳＭ ｉｓ ｕｓｅｄ ｔｏ ｐｒｏｖｉｄｅ ｄｅｔａｉｌｅｄ ａｎｄ ｄｅｐｅｎｄａｂｌｅ ｃｏｎｃｅｐｔ ｓｐａｃｅ．Ｗｉｔｈ ｔｈｅ ｓｕｐｐｏｒｔ ｏｆ ｏｎ－ ｔｏｌｏｇｙ，ｔｗｏ ｃｏｎｃｅｐｔｓ ａｒｅ ｎｏｔ ｓｔａｎｄａｌｏｎｅ ｔｅｒｍｓ ｂｕｔ ｍｅａｎｉｎｇ ｒｅｌａｔｅｄ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｔｈｅ ｄｅｔａｉｌｅｄ ａｎｄ ｄｅｐｅｎｄａｂｌｅ ｏｎｔｏｌｏｇｙ ｉｓ ｔｈｅ ｐｒｅｓｕｐ－ ｐｏｓｉｔｉｏｎ ａｎｄ ＨＣＡ（Ｈｉｅｍｒｃｈｉｃａｌ Ｃｌｕｓｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍ）ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｄｅａｌ ｗｉｔｈ ｃｏｍｐｕｔａｔｉｏｎ ｃｏｍｐｌｅｘ ａｎｄ ｄｉｆｆｉｃｕｌｔｙ ｂｅｃａｕｓｅ ｏｆ ｈｉｇｈ ｄｉｍｅｎｓｉｏｎｓ ｏｆ ｔｈｅ ｖｅｃｔｏｒ ｓｐａｃｅ． Ｋｅｙ ｗｏｒｄｓ：ｏｎｔｏｌｏｇｙ；Ｖｅｃｔｏｒ Ｓｐａｃｅ Ｍｏｄｅｌ（ＶＳＭ）；Ｈｉｅｒａｒｃｈｉｃａｌ Ｃｌｕｓｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍ（ＨＣＡ）；ｓｅｍａｎｔｉｃ ｄｉｓｔａｎｃｅ 摘要：采用本体（Ｏｎｔｏｌｏｇｙ）为向量空间模型提供更为丰富、详细的概念空间，在本体的支持下，文档中的术语不再被孤立地看成 关键词，而是彼此间有了一定的语义联系。以已获得丰富而详细的本体为前提，考虑当本体空间很大时，解决向量空间的高维数给 计算带来复杂性与难度这一问题，提出基于ＨＣＡ（Ｈｉｅｒａｒｃｈｉｃａｌ Ｃｌｕｓｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍ） 向量空间压缩算法。 关键词：本体；向量空间模型；分层聚类算法；语义距离 文章编号：１００２—８３３１（２００７）２４—００１２—０３ 文献标识码：Ａ 中图分类号：ＴＰ１８２ １引言 向量空间模型：帔广泛地应用在信息提取（ＩＲ）领域。基于 法（Ｌｉｎｇｕｉｓｔｉｃ Ｃｏｎｃｅｐｔｕａｌｉｚａｔｉｏｎ），基于辞典或分类等方法，但是 这些方法中考虑的概念关系简单而稀少［６１。随着语义网络技术 的发展，采用语义网络技术为信息提取提供共享的知识背景， 也就是本体（ｏｎｔｏｌｏｇｙ），来为向量空间模型提供更为丰富、详细 的概念空间。在本体的支持下，文档中的语义相关的术语不再 被孤立地看成关键词，而是彼此间有了一定的语义联系，这种 向量空间模型的信息提取的主要思想是将用户的查询和文档 集都表示成特征向量 ＝（ Ｘ ，…， ），所有的文档集的特征 向量共同组成了向量空间ｘ ， …， ｝。所有文档中的术语（ｔ ， ｔ 一，ｔ ）成为向量空间的基，每个￡ 对应于向量空间中的坐标 系 。特征向量Ｘｉ＝（ …， ）的元素薯表示与向量空间中的 术语ｔｊ相对应的权重，蕾的计算方法大多基于ＴＦＩＤＦ方法。当 将文档或查询转变成向量后，用户的查询或文档的分类、比较 都可以通过计算向量空间中两个特征向量的相似程度来获得。 目前向量相似性函数的计算方法包括：内积法（Ｃｏｓｉｎｅ函数）、 最近邻法（Ｍａｘ）、Ｍｉｎｋｏｗｓｋｉ距离、Ｅｃｕｌｉｄｅａｎ距离等。 向量空间模型在当今网络挖掘、文本挖掘领域仍占有重要 的地位。向量空间模型不仅可以用于文档问的相似比较也可以 用在段落问的比较以及句与句间的比较［８１。许多的搜索引擎都 曾使用这种模型来分类网络文档。任何事物都具有两面性，向 量空间模型方法也不例外。其最显著的缺陷是基于关键词的向 量空间模型无法反应术语问的语义关系，例如当两篇文档意思 相同但因为使用了不同的术语而使汁算结果出现很大的偏差。 考虑了术语问语义联系的方法能够提高文档相似性比较的精 确程度。本文探讨的基于本体的向量空间模型的压缩算法就是 以这样的研究观点为基础的。 获得丰富而详细的本体是基于本体的向量空间模型的前 提，目前本体的获得方法概括起来包括两大类，手工方法以及 自动／半自动化方法。手工方法以众多领域专家的参与为主，由 专家手工建立本体的术语表，并描绘出本体中概念问的关系， 比较著名的方法：ＭＥＴＨＯＮＴＬＯＧｙ［４１、ＳＥＮＳＵＳ［”、Ｏｎ—Ｔｏ—Ｋｎｏｗｌ— ｅｄｇｅ￣ ０１等。手工生成方法容易实现，是目前构造本体最常用的方 法，但是要耗费大量的人力、物力、时间，并且人工定义的本体 总免不了带有专家的主观倾向性，容易出错。自动，半自动的方 法主要是由机器学习或人与机器相结合的方法构造本体，例如 字典法、相关规则法、知识库法 Ｉ、基于层次法 Ｉ等等。自动／半 为解决这一问题，许多学者将概念问的语义相关性考虑进来， 例如潜在语义素引法（Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ｉｎｄｅｘｉｎｇ），语言概念化 自动方法成为近年来研究的热点，这种方法能够生成大规模的 本体，但是本体中概念间的语义关系比较松散，很难满足应用 基金项目：国家自然科学基金（ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ ｕｎｄｅｒ Ｇｒａｎｔ）；英国皇家学会国际合作项目（Ｎｏ．（２００６）国科金外 资助字第６０６１ ｌ１３０２７１） 作者简介：袁铭蔚，博士生；蒋平，教授，博士。 维普资讯 http://www.cqvip.com 袁铭蔚，蒋平：基于本体的向量空间模型的压缩算法 的要求。本文并不讨论本体的构建方法，而是以已获得丰富而 详细的本体为前提，考虑当本体空间很大时，解决向量空间的 变化，语义的相关性使得向量空间不再正交，原来的那些基于 统计的方法不再起作用。 众所周知，网络信息包含了丰富的个人用语习惯，不同个 体存在概念理解粒度差异，例如对于一个精通Ｊａｖａ的面向对 象编程的程序员，可以声称自己是一个Ｊａｖａ程序员，也可以声 称自己是一个面向对象程序员。另一方面，本体具有天然的层 次结构，不同层次的概念具有不同的抽象程度，越往高层越抽 象。从这两方面考虑，本文将采用基于ＨＣＡ方法的聚类算法， 高维数给计算带来复杂性与难度这一问题，提出基于ＨＣＡ （Ｈｉｅｒａｒｃｈｉｃａｌ Ｃｌｕｓｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍ）的降维方法。 ２基于本体的向量空间模型 本体是对客观存在的—个系统的解释或说明，涉及到一个 领域里的概念、术语和关系，它为机器间以及机器与人提供了 知识共享的基础。基于本体的向量空间模型时将本体引入到向 量空间模型中，从而实现基于语义的信息提取。 按照语义距离对概念进行挖掘的物理意义为每步聚类过程是 获得更加抽象概念的过程。概念抽象的过程具有现实意义，例 如由用户来确定信息提取过程中的概念表达的粒度，一方面有 本体模型定义：１２＝－Ｒ（ｅ ，ｅ ，…，ｅ ），ｅ （ｉ＝１，…，Ⅳ）表示实体 （概念，对象，术语，属性）， 表示实体间的关系。 基于本体的向量空间模型定义：网络上获得的信息（网络 文档、段落、句子、自然语言查询语句等）组成信息对象集合Ｄ＝ ｛ｄｉｌ１≤ ≤ ｝，Ｍ为信息对象的总数。根据向量空间模型，每条信 息 都可以用一个特征向量 （ｓ）＝ｉｓ ，ｓ ，…，ｓＩＹ１来表示。ｓ 对应 于本体中的实体 表示某个信息对象中术语ｅ 的权重。所有 的信息对象表示成的特征向量就构成了向量空间 ＝｛ （ｓ）， ： （ ），…， ｓ）｝。 通过下面的算法将实现基于本体的向量空间模型： 步骤１首先基于传统的ＴＦＩＤＦ方法计算每个术语在 情况下的权重： ．１。ｇ ｄ 表示术语ｅ （ｅ ∈ ，１≤ｉ≤Ⅳ）在本文档中出现的频率；Ｎ表 示文档集中文档的数量，ｄ 表示包含了术语ｅ 的文档的数量， ｌｏｇ（Ｎ／ｄ ）表示从文档集中选取包含了术语ｅ 的文档的概率。这 里权重的计算按照传统的ＴＦＩＤＦ方法进行计算，不过术语不 再是从文档中提取而是由本体直接给定。 步骤２为避免传统的ＴＦＩＤＦ方法不考虑术语间语义相关 性的缺陷，特征向量的计算应该把相对的语义关系包括在计算 中，由此获得考虑了向量空间语义相关性的特征向量权重的计 算公式： ｖｄ（ｓ）＝ ｄ（ ） Ｒ（ｅ ｅｊ） （２） Ｖｄ（Ｘ）＝ ，…， 表示文档ｄ的语义的特征向量，其权 重的计算依赖于公式（１）。关系矩阵Ｒ（ｅ ｅｊ）表示语义相似矩 阵，表达了术语间的语义相关程度，也可以通过语义距离矩阵 Ｄ（ｅ ，ｅｊ）获得。定义ｒｌ，ｊ＝ｅ ，其中的 ． 表示Ｒ（ ｅｊ）中的元素， ｄ 表示Ｄ（ｅ ，ｅｊ）中的元素一ｄ，采用基于本体的语义距离计算 方法获得 。 通过上面的算法可以建立基于本体的向量空间模型，将本 体中的概念作为向量空间模型中的术语，这就要求本体的概念 空间要足够大，才能够充分的描述领域知识。 ３基于ＨＣＡ的概念挖掘算法 本体的概念空间越大，所能表达的知识越丰富。基于本体 的信息提取系统，向量空间的维数依赖于本体中实体的数量。 随着本体概念的增加，向量空间的维数上升，带来了新的问题， 向量空间的高维数带来计算上的难度与复杂性。这样的问题也 存在于传统的向量空间模型的计算过程，现有的解决方法包括 随机映射（ＲＰ）、隐含语义分析（ＬＳＡ）、概念索引（ＣＩ）等【ｌｌＪ。但是 当将本体中的术语作为向量空间模型中的术语时，情况发生了 助于实现符合用户习惯的软件，另一方面实现了向量空间模型 的降维。 算法描述： 步骤１采用基于本体的语义距离计算方法［７１获得本体中 术语间的语义距离，可以使用语义矩阵表示。 步骤２采用聚类算法挖掘不同理解粒度下的概念关系。 步骤３按照用户设置的期望理解粒度计算降维的特征 向量。 步骤４根据特征向量间的相似度，提取信息。 上面步骤２是核心算法，这一步使用自下而上的方法 ＨｃＡ（Ｈｉｅｒａｒｃｈｉｃａｌ Ａｇｇｌｏｍｅｒａｔｉｖｅ Ｃｌｕｓｔｅｒｉｎｇ）算法按照概念间的 语义距离进行分层。 ＨＣＡ算法伪代码： １：ｌｅｔ ｅａｃｈ ｅｎｔｉｔｙ ｅ ｂｅ ｉｎ ａ ｓｉｎｇｌｅｔｏｎ ｇｒｏｕｐ｛ｅ｝ ２：ｌｅｔ Ｇ ｂｅ ｔｈｅ ｓｅｔ ｏｆ ｇｒｏｕｐｓ ３： ｗｈｉｌｅｌＧｌ＞ｌ ｄｏ ４： ｃｈｏｏｓｅ，。Ａ∈Ｇ ａｃｃｏｒｄｉｎｇ ｔｏ ｓｏｍｅ ｍｅａｓｕｒｅ ｏｆ ｓｉｍｉｌａｒｉｔｙ ｓ（Ｆ，Ａ） ５：ｌｅｔ ＝，Ｕ△ ６： ｒｅｍｏｖｅ，，Ａ ｆｒｏｍ Ｇ ７： ｉｎｓｅｒｔ ｉｎｔｏ Ｇ ８：ｅｎｄ ｗｈｉｌｅ 初始状态将本体中每个概念看成是的聚类｛ｅＪｅ ， １≤ ≤Ⅳｌ。两个最相近的类将被聚合成一个更高层次的新类， 表示的更加抽象的概念，这一过程将被反复地执行直到系统只 有—个聚类。ｓ（Ｆ，Ａ）的计算方法包括：ｓｉｎｇｌｅ ｌｉｎｋａｇｅ，ＣＯｍｐｌｅｔｅ ｌｉｎｋａｇｅ，ｃｅｎｔｒｏｉｄ，ａｖｅｒａｇｅ等。 聚类的结果产生系统树图，不同的层次对应着概念的不同 抽象程度也对应着用户的不同理解粒度。 图１对具有７Ｏ个概念的本体进行概念挖掘获得的系统树 图（这里选择ａｖｅｒａｇｅ方法来计算ｓ（Ｆ，Ａ））。 图 本体中的７Ｏ个概念根据语义相关程度被聚合成２３层不 同粒度的概念集合。最底层（￡＝Ｏ）对应于最细的粒度，也就是概 维普资讯 http://www.cqvip.com １４ ２００７，４３（２４） Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｗａｔｉｏｎｓ计算机工程与应用 向量空间模型中的术语时，语义的相关性使得向量空间不再正 交，原来的那些降维方法不再适用。本文提出了根据用户理解 程度使用ＨＣＡ方法压缩向量空间模型，一方面满足了用户个 性化的要求，另一方面也有利于减轻计算量。 （收稿日期：２００７年５月） 念全空间。最高层（Ｌ＝２３）对应于最粗的粒度，概念空间只包含 了一个概念。根据用户的理解粒度将概念空间进行压缩例如， 如果用户期望的概念抽象粒度设置为￡＝２０，那么就可以获得 包含了３个聚类的概念集合，这３个聚类对应着３个更加抽象 的概念，即： ［（｛｛ｅ２８｝＆（｛ｅ２７｝＆（｛ｅ２６｝＆（｛ｅ２５｝＆（｛ｅ８｝＆｛ｅ２４｝】｝】｝】＆（｛｛ｅ２３｝＆（｛ｅ２２｝ ＆（｛ｅ２｝＆ｆｅ７｝ｊ｝ｊ＆（｛ｅ３２｝＆（｛ｅ３ｌ｝＆（｛ｅ３０｝＆（｛ｅ９｝＆ｆｅ２９｝ｊ｝ｊ｝ｊ｝，（｛（｛ｅ３６｝ ＆（｛ｅ３５｝＆（｛ｅ３４｝＆（｛ｅ３｝＆｛ｅ １０｝】｝】｝＆（｛ｅ５６｝＆（｛ｅ５５｝＆（｛ｅ５４｝＆（｛ｅ３３｝＆ ｛ｅ５３）】””＆｛｛ｌｉｅ３８｝＆｛ｅ１ １）＆｛ｅ３７）】）＆“｛ｅ５９）＆｛ｅ６０”＆“ｅ６１）＆ 参考文献： ［１］ｗａｒｔｏｕｔ Ｂ Ｓ，Ｒａｍｅｓｈ Ｐ，Ｋｎｉｇｈｔ Ｋ，ｅｔ ａ１．Ｔｏｗａｒｄ ｄｉｓｔｉｒｂｕｔｅｄ ｕｓｅ ｏｆ ｌａｒｇｅ—ｓｃａｌｅ ｏｎｔｏｌｏｇｉｅｓ【Ｃ］／／ＡＡＡＩ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｏｎｔｏｌｏｇｉｃａｌ Ｅｎｇｉ－ （｛ｅ５７｝＆｛ｅ５８｝】｝】｝＆（｛｛ｅ４７｝＆（｛ｅ４６｝＆（｛ｅ４５｝＆｛ｅ １３｝＆｛ｅ４４｝】｝】｝＆ ｎｅｅｒｉｎｇ，Ｓｔａｎｆｏｒｄ，１９９７． （｛ｅ４３｝＆（｛ｅ４２｝＆｛｛ｅ４１｝＆（｛ｅ４０｝＆｛ｅ１２｝＆｛ｅ３９｝】｝】｝】｝】｝，（｛｛｛ｅ６５｝＆ ［２］Ｓａｌｔｏｎ Ｇ．Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｍｏｄｅｍ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｉｒｅｖａｌ［Ｍ］．ＩＳ．１．］：Ｍｃ－ （｛ｅ６４｝＆｛｛ｅ６３｝＆（｛ｅ４８｝＆｛ｅ６２｝】｝】｝＆（｛ｅ６９｝＆（｛ｅ６８｝＆（｛ｅ６７｝＆｛｛ｅ４９｝＆ Ｇｒａｗ—Ｈｉｌｌ，１９８３． ｛ｅ６６｝】｝】｝】＆“｛ｅ５２｝＆｛｛ｅ５１｝＆｛ｅ１５｝＆｛ｅ５０｝】｝】＆｛｛｛ｅ２１｝＆｛｛ｅ２０ｌ＆ ［３］Ｋｈａｎ Ｌ，Ｌｕｏ Ｆ．Ｏｎｔｏｌｏｇｙ ｃｏｎｓｔｒｕｃｔｉｏｎ ｆｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｓｅｌｅｃｔｉｏｎ［Ｃ］／／ ｆ ｅｌ９｝＆ｆ｛Ｐ６｝＆ｆｅｌ８｝】｝】｝＆ｆ｛ ｌ７｝＆ｆ｛Ｐ５｝＆ｆｅｌ６｝】｝＆ｆ｛ Ｏ｝＆ｆｅｌ｝】＆ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ １４ｔｈ ＩＥＥＥ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ ｔｏｏｌｓ ｗｉｔｈ ａｒｔｉｉｆｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ（ＩＣＴＡＩ ２００２），２００２：１２２—１２７． （｛ｅ４｝＆｛ｅ １４｝｝｝｝｝｝｝】。 合并的概念｛ｅ ｅ，｝对应的新概念的权重的计算方法为： ［４］Ｌ６ｐｅｚ Ｍ Ｆ，Ｇ６ｍｅｚ—Ｐ￣ｒｅｚ Ａ，Ｓｉｅｒｒａ Ｊ Ｐ，ｅｔ ａ１．Ｂｕｉｌｄｉｎｇ ａ ｃｈｅｍｉｃａｌ ｏｎｔｏｌｏｇｙ ｕｓｉｎｇ ＭＥＴＨＯＮＴＯＬＯＧＹ ａｎｄ ｔｈｅ ｏｎｔｏｌｏｇｙ ｄｅｓｉｇｎ ｅｎｖｉｒｏｎ－ Ｓ Ｗ１Ｓｉ＋Ｗ２Ｓｊ ｍｅｎｔ阴．ＩＥＥＥ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎｓ，１９９９，４（１）： 按照上式的计算，特征向量Ｖｉ（ｓ）就被压缩成维数更低的向量， ３７—４６． 由此计算的语义相似性： ［５］Ｌａｍｍａｒｉ Ｎ，Ｍｅｔａｉｓ Ｅ．Ｂｕｉｌｄｉｎｇ ａｎｄ ｍａｉｎｔａｉｎｉｎｇ ｏｎｔｏｌｏｇｉｅｓ：ａ ｓｅｔ ｏｆ ｓｉｍ（ｄ ，ｄ：）＝ （３） ａｌｇｏｒｉｔｈｍｓ［Ｊ］．Ｄａｔａ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｅｎｇｉｎｅｅｒｉｎｇ，２００４，４８：１５５－１７６． ＩＶｄｌ Ｓ Ｊ ｌ ｌｖ￣ｔ，ｓ ｌ ［６］Ｃａｓｔｅｌｌｓ Ｐ，Ｆｅｍａ’ｎｄｅｚ Ｍ，Ｖａｌｌｅｔ Ｄ．Ａｎ ａｄａｐｔａｔｉｏｎ ｏｆ ｔｈｅ ｖｅｃｔｏｒ－ 那么７０维的向量空间，通过上面的用户设置的理解粒度Ⅳ＝ ｓｐａｃｅ ｍｏｄｅｌ ｆｏｒ ｏｎｔｏｌｏｇｙ－ｂａｓｅｄ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｉｒｅｖａｌ［Ｊ１．ＩＥＥＥ Ｔｒａｎｓ— ２０，转变成３维空间。计算特征向量间的语义相似性时，只需考 ａｃｔｉｏｎｓ ｏｎ Ｋｎｏｗｌｅｄｇｅ ａｎｄ Ｄａｔａ Ｅｎｇｉｎｅｅｒｉｎｇ，２００７，１９（２）：２６１－２７２． 虑３维向量。 ［７】Ｊｉａｎｇ Ｐ，Ｍａｉｒ Ｑ．Ａ ｓｅｌｆ－ｏｒｇａｎｉｚａｔｉｏｎａｌ ｍａｎａｇｅｍｅｎｔ ｎｅｔｗｏｒｋ ｂａｓｅｄ 给定ｎ维向量空间，聚类算法进行ｎ一１次合并需要的时间 ｏｎ ａｄａｐｔｉｖｅ ｒｅｓｏｎａｎｃｅ ｔｈｅｏｒｙ，ａｇｅｎｔ ｔｅｃｈｎｏｌｏｇｉｅｓ，ｉｆｎｒａｓｔｕｒｃｔｕｒｅｓ， 复杂度为Ｏ（ｎ：ｌｏｇｎ），空间复杂度为Ｏ（ｎ ）。语义相似性计算的 ｔｏｏｌｓ，ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ ｆｏｒ ｅ—ｓｅｒｖｉｃｅｓ［Ｍ］．ＩＳ．１．］：Ｓｐｒｉｎｇｅｒ，２００３：２１１— 算法复杂度与用户设置的期望理解粒度￡相关。 ２２５． ［８］Ｂａｅｚａ－Ｙａｔｅｓ Ｒ，Ｒｉｂｅｉｒｏ－Ｎｅｔｏ Ｂ．Ｍｏｄｅｍ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｉｒｅｖａｌ［Ｍ］． ４结束语 ［Ｓ．１＿］：ＡＣＭ Ｐｒｅｓｓ，１９９９． 本文提出的基于本体的向量空间模型将本体中的术语作 ［９］Ｃｈｅｎ Ｒ Ｃ．Ｕｓｉｎｇ ｒｅｃｕｒｓｉｖｅ ＡＲＴ ｎｅｔｗｏｒｋ ｔｏ ｃｏｎｓｔｕｒｃｔｉｏｎ ｄｏｍａｉｎ ｏｎｔｏｌｏｇｙ ｂａｓｅｄ ｏｎ ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ ａｎｄ ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｆｅｑｕｅｎ— 为向量空间模型中的术语，修改了传统的ＴＦ—ＩＤＦ算法，将语 ｃｙ［Ｃ］／／Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ（２００６），ｄｏｉ：１０．１０１６￣．ｅｓｗａ， 义相关矩阵引入到特征向量的计算中来，解决了向量空问模型 ２００６—０９． 的术语问语义关系被忽略的问题。 ［１０］Ｓｔａａｂ Ｓ，Ｓｃｈｎｕｒｒ Ｈ Ｐ，Ｓｔｕｄｅｒ Ｒ，ｅｔ ａ１．Ｋｎｏｗｌｅｄｇｅ ｐｒｏｃｅｓｓｅｓ ａｎｄ 另一方面本体的概念空间越大，所能表达的知识越丰富， ｏｎｔｏｌｏｇｉｅｓ［Ｊ］．ＩＥＥＥ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ，２００１，１６（１）：２６－３４． 从而导致了因高维数带来的计算复杂性，现有的解决这一问题 ［１ １］高茂庭，王正欧，几种文本特征降维方法的比较分析［ＪＪ．计算机工 的方法大多是通过降低维数来实现，而当将本体中的术语作为 程与应用，２００６，４２（３０）：１５７—１５９． （上接６页） ［７］Ｈａｙｆｒｏｎ—Ａｃｑｕａｈ Ｊ Ｂ，Ｎｉｘｏｎ Ｍ Ｓ．Ａｕｔｏｍａｔｉｃ ｇａｉｔ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ｓｙｍ— ［３］Ｃｏｌｌｉｎｓ Ｒ，Ｇｒｏｓｓ Ｒ．Ｓｉｌｈｏｕｅｔｔｅ－ｂａｓｅｄ ｈｕｍａｎ ｉｄｅｎｔｉｉｆｃａｔｉｏｎ ｆｒｏｍ ｂｏｄｙ ｍｅｔｙｒ ａｎａｌｙｓｉｓ叽．Ｐａｔｔｅｍ Ｒｅｃｏｇｎｉｔｉｏｎ Ｌｅｔｔｅｒｓ，２００３，２４：２１７５—２１８３． ｓｈａｐｅ ａｎｄ ｇａｉｔ［Ｃ］／／Ｐｉｎｅ Ｉｎｔ Ｃｏｎｆ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ ［８］Ｌｕ Ｊｉ－ｗｅｎ，Ｚｈａｎｇ Ｅ－ｒｈｕ．Ｇａｉｔ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍ— Ｒｅｃｏｇｎｉｔｉｏｎ，Ｗａｓｈｉｎｇｔｏｎ，ＤＣ，２００２：３６６—３７１． ｐｏｎｅｎｔ ａｎａｌｙｓｉｓ［Ｃ］／／ＬＮＣＳ ３４９７：ＩＳＮＮ ２００５，２００５：１８３—１８８． ［４］王亮，胡卫明．基于步态的身份识别［ＪＪ．计算机学报，２００３，２６（３）： ［９］ＮＬＰＲ步态数据库［ＤＢ／ＯＬ］．［２００６—０５］．ｈｔｔｐ：／／ｗｗｗ．ｓｉｎｏｂｉｏｍｅｔｒｉｃｓ．ｃｏｍ． ３５３—３５９． ［１０］Ｐｈｉｌｉｐｓ Ｐ Ｊ，Ｍｏｏｎ Ｈ．Ｔｈｅ ｆｅｒｅｔ ｅｖａｌｕａｔｉｏｎ ｍｅｔｈｏｄｏｌｏｇｙ ｆｏｒ ｆａｃｅ ［５］Ｍｕｒａｔ Ｅｋｉｎｃｉ．Ａ ｎｅｗ ａｔｔｅｍｐｔ ｔｏ ｓｉｌｈ【）ｕｅｔｔｅ＿ｂａｓｅｄ ｇａｉｔ Ｒｅｃｏｇｎｉｔｉｏｎ ｆｏｒ ｈｕｍａｎ ｉｄｅｎｔｉｉｆｃａｔｉｏｎ『ｃＦＬＮＡＩ ４０１３：Ｃａｎａｄｉａｎ ＡＩ ２００６，２００６： ｒｅｃｏｇｎｉｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｍ Ａｎａｌｙｓｉｓ ４４３—４５４． ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０００。２２（１０）：１０９０—１１００． ［６］Ｋａｌｅ Ａ，Ｒａｊａｇｏｐａｌａｎ Ａ Ｎ．Ｇａｉｔ－ｂａｓｅｄ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｈｕｍａｎｓ ｕｓｉｎｇ ［１ １］Ｗａｎｇ Ｌｉａｎｇ，Ｔａｎ Ｔｉｅ－ｎｉｕ．Ｓｉｌｈｏｕｅｔｔｅ ａｎａｌｙｓｉｓ—ｂａｓｅｄ ｇａｉｔ ｒｅｃｏｇｎｉ— ｃｏｎｔｉｎｕｏｕｓ ＨＭＭｓ［Ｃ］／／Ｐｍｃ ｔｈｅ Ｆｉｆｔｈ ＩＥＥＥ Ｉｎｔ Ｃｏｎｆ ｏｎ Ａｕｔｏｍａｔｉｃ ｔｌｏｎ ｆｏｒ ｈｕｍａｎ ｉｄｅｎｔｉｉｆｃａｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ，２００２． Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ．２００３．２５（１２）：１５０５—１５１７．
