构建IT领域概念图谱

原文地址

摘要

​ 关联开放数据（LOD）中包含丰富的知识和语义，它的发展促使了很多知识型应用的诞生和兴起。在这些应用中，实体间的相关性（不同于相似性）这一概念扮演了重要角色。

​ 在给定一个查询后我们感兴趣的不只是确切的返回值（exact answers ），还有那些与查询紧密相关的东西。

​ 利用DBpedia中IT领域数据构建概念图谱的方法，不仅利用字符串匹配，还可以利用LOD数据集中编码的显示或隐式语义。在此基础上构建的专家系统，可以帮助那些在IT领域进行实体搜索任务的用户。

​ 为了对相关实体进行排序需要计算相关度，这就涉及到不同的相关性度量（relatedness measures）。

导读

​ 基于关键词匹配的搜索在同义、歧义发生时，表现得很挣扎（suffer）。哪怕查询语句、资源描述都结构化了，同样的问题依然存在。导致这一问题的主要原因是，它们都无法捕获查询、资源描述中的词语的**词义(meaning of terms)以及语义关联(the semantic relation)**。

​ 相关性（relatedness）是语义上的，比相似性概念宽泛（wider）。举例来说，MySQL和PostgreSQL很相似的，PHP和MySQL则是很相关的。

​ 构建图谱的关键在于，怎么衡量两个实体间的相关度。

​ 本文提出了一种语义感知的度量来评估实体间相关度，并利用这个度量构建IT领域概念图谱，图上每个节点都是IT概念（编程语言、数据库、技术、框架，等等）。

​ 构建图谱时，利用了来自web的数据的统计特征以及从LOD数据集中抽取的语义知识。