6.3　一种地理信息语义相似性算法

作为地理信息服务应用框架中最为重要的一个环节，服务匹配的关键步骤就是对用户需求与服务之间的相关要素进行相似性比对，以此确定服务是否满足需求。各相关要素相似性越大，表明需求与服务之间的匹配程度越高；反之相似性越小，表明需求与服务之间的匹配程度越低。目前基于语义描述的Web服务匹配(M.Paolucci等，2002；Michael C.等，2004)大多借助需求与服务的语义描述，包括输入(Inputs)、输出(outputs)、前置条件(Preconditions)和执行效果(Effects)等，使用语义描述逻辑推理的方式增加匹配的精确程度。这种匹配方式虽然效率较高，但缺乏定量准确分析的能力，只能定性地对服务能力进行分析，服务能力的区分程度较差，语义精确度不高。

针对上述不足，后续的研究(Nicholas，2003；Joachim Peer，2004)又开始转向概念层次树的方式，简而言之，针对领域内的对象建立语义概念层次树，树上的节点表示对象，节点间的“树枝”表示对象间的关系。这样的研究思想源于词语相似性的计算，最为典型的是WordNet本体结构(Miller，George A.，1995)。WordNet是一个包含语义信息的字典，在WordNet中，词汇各自被组织成一个同义词的网络(Synset)，每个同义词集合都代表一个基本的语义概念，并且这些集合之间也由各种关系连接。如图6-8所示。

基于概念层次结构图树计算语义相似性衍生出两类方法：基于信息理论的概念信息量法和基于图论的概念距离法。其中，概念信息量法是把整个树视为一个充满语义的信号源，而每个节点作为一个子信号源，利用信息理论模型与数理统计知识来计算两个对象概念所共有的信息量，并以此来判定两者之间的语义相似性；而概念距离法则是把整个层次树看做是一个大的关系结构图，累计计算两个对象概念间的通达距离，并把它作为相似性的相反度量——语义距离，再换算为语义相似性。

(https://www.daowen.com)

图6-8　概念层次结构树

基于概念层次结构树的语义相似性计算方法，具有较高的语义精确度，它的缺点也很明显：针对每个具体的应用，都要构建不同的概念层次结构树并进行语义相似性的计算，计算量很大。特别是地理信息服务所涉及的概念系统更为复杂，规模较大，会严重影响服务匹配和发现的效率。

本小节首先概述了语义相似性的概念，接着分析了概念信息量法与概念距离法两种算法计算语义相似性过程中的优缺点，最后基于两种算法的优势结合地理信息服务语义匹配的应用需求，提出了一种兼顾效率的语义相似性算法。