-
题名改进的领域本体概念相似度计算方法
被引量：10
- 1
-
-
作者
张帆
钟金宏
黄玲
-
机构
合肥工业大学管理学院
解放军电子工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第23期66-68,共3页
-
基金
安徽省自然科学基金资助项目(090416249)
2008年度安徽省留学人员科技活动择优基金资助项目
-
文摘
在领域本体中,概念间往往存在多条路径,现有的基于语义距离的方法只考虑最短距离的路径,不能完全体现出概念间的相似度。基于此,提出一种基于加权语义距离的概念相似度计算方法。该方法搜索出两概念间的所有路径,以所有路径的加权平均距离代替最短距离来计算相似度,并综合考虑节点深度、公共父节点对相似度的影响。实验表明,该方法计算出的概念相似度能够更准确地体现出概念间的相似程度。
-
关键词
领域本体
多重继承
加权语义距离
相似度计算
-
Keywords
domain ontology
multiple inheritance
weighted semantic distance
similarity computation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于加权期望语义距离的不确定分类数据异常点检测
- 2
-
-
作者
赵秦怡
黑韶敏
-
机构
大理大学数学与计算机学院
-
出处
《大理大学学报》
CAS
2019年第12期1-5,共5页
-
文摘
对不确定数据进行异常点检测能从不确定数据集中检测出与大部分对象不同的对象。用期望语义距离度量对象之间的距离,并提出加权期望语义距离计算方法,通过属性加权充分体现属性在期望语义距离度量中的贡献度不同,从而提高异常点检测结果的应用驱动性和有效性。算法在分类数据集中进行异常点检测,可以避免通常的异常点检测方法在检测时未考虑数据库中对象之间的差异性而导致检测结果的不准确。实验结果表明,分类数据中的加权期望语义距离异常点检测方法克服了传统距离度量在异常点检测算法中的缺陷,优化了算法的性能。
-
关键词
异常点检测
加权期望语义距离
不确定数据
-
Keywords
outlier detection
weighted expected semantic distance
uncertain data
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
