一种医学本体多层概念语义关联度度量模型研究

摘要

数据语义关联度是大数据融合的核心环节。针对传统医学信息相似度计算模型的不足,文章提出一种基于语义关联度的多层医学信息概念语义距离度量模型,引入概念权重属性。通过领域专家对医学领域概念进行权重评分,综合考虑概念语义关系,通过加权概念实例闻、概念属性间以及概念与属性间的语义关系,并利用概念节点的最小近邻集搜索与其语义关系最接近的概念实体和结果概念分层思想,依次遍历概念层次树,获取概念相似集,最终计算出与目标概念语义距离最小的概念实体,达到概念融合的目的。该模型能够充分利用语义本体概念形式化表示以及分类层次关联度的优势,避免传统模型将概念集作为单一向量计算相似度的弊端,解决数据稀疏等问题。实验结果表明,多层概念语义关联度模型计算准确性较高。