意味的類似性

意味的類似度尺度は、生物医学オントロジーに適用され、開発されてきました。^{[ 5 ] [ 6 ]} これらは主に、配列類似性ではなく機能の類似性に基づいて遺伝子やタンパク質を比較するために使用されますが^{[ 7 ]}、疾患などの他の生物学的実体にも拡張されています。^{[ 8 ]}

これらの比較は、ウェブ上で無料で利用できるツールを使用して行うことができます。

• ProteInOnは、相互作用するタンパク質を見つけたり、割り当てられたGO用語を見つけたり、UniProtタンパク質の機能的意味類似性を計算したり、GO用語の情報量を取得したり、機能的意味類似性を計算したりするために使用できます。^{[ 9 ]}
• CMPSimは、 ChEBIベースの意味的類似度尺度を使用して、化学化合物と代謝経路間の機能的類似度尺度を提供します。^{[ 10 ]}
• CESSMは、GOベースの意味的類似性尺度の自動評価ツールを提供する。^{[ 11 ]}

類似性は、類似した地理的特徴や特徴タイプを見つけるために地理情報学でも応用されています。 ^{[ 12 ]}

• SIM-DL類似性サーバー^{[ 13 ]}は、地理​​的特徴タイプのオントロジーに格納されている概念間の類似性を計算するために使用できます。
• 類似度計算機は、Geo-Net-PT オントロジーにおける 2 つの地理的概念がどの程度関連しているかを計算するために使用できます。^{[ 14 ] [ 15 ]}
• OSM ^{[ 16 ]}意味ネットワークは、 OpenStreetMapのタグの意味的類似性を計算するために使用できます。^{[ 17 ]}

いくつかの指標は、英語の単語の手動で構築された語彙データベースであるWordNetを使用しています。データベースの構築に人間の監督があるという利点があるにもかかわらず、単語は自動的に学習されるわけではないため、データベースは複数語の用語間の関連性や非増分語彙を測定することはできません。^{[ 4 ] [ 18 ]}

自然言語処理(NLP) は、コンピュータ科学と言語学の分野です。感情分析、自然言語理解、機械翻訳 (ある人間の言語から別の人間の言語へのテキストの自動翻訳) は、NLP が使用されている主要な分野のいくつかです。たとえば、インターネット上の情報リソースを 1 つ知っている場合、類似のリソースをすぐに見つけることがしばしば関心事になります。セマンティック Web は、任意の記述子だけでなくコンテンツによって類似のデータを見つけるための意味的拡張を提供します。^{[ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ]}ディープラーニング法は、2 つのテキスト パッセージ間の意味的類似性を正確に測定する方法となっており、各パッセージは最初に連続ベクトル表現に埋め込まれます。^{[ 28 ] [ 29 ] [ 30 ]}

意味的類似性は、異なるオントロジーのエンティティ間の対応関係を確立することを目的とするオントロジーアライメントにおいて重要な役割を果たします。これは、ラベル、説明、他のエンティティとの階層関係など、各エンティティについてオントロジーに存在する情報を使用して、概念または用語間の類似性の度合いを定量化することを含みます。オントロジーマッチングで使用される従来のメトリックは、エンティティのラベル間の編集距離を測定するためにレーベンシュタイン距離を使用するなど、エンティティの特徴間の語彙的類似性に基づいています。^{[ 31 ]}しかし、これらのメトリックを使用してエンティティ間の意味的類似性を捉えることは困難です。たとえば、会議を記述する2つのオントロジーを比較する場合、「貢献」と「論文」というエンティティは同じ意味を共有しているため、高い意味的類似性を持つ可能性があります。しかし、語彙の違いにより、語彙的類似性だけではこのアライメントを確立することはできません。これらの意味的類似性を捉えるために、埋め込みがオントロジーマッチングで採用されています。^{[ 32 ]}埋め込みは意味関係と文脈情報をエンコードすることで、埋め込み空間におけるベクトル表現の近接性に基づいてエンティティ間の類似度スコアを計算することを可能にします。埋め込みは、異なる文脈に基づいて同じ単語に異なる埋め込みを割り当てることで、同音異義語などのエンティティ命名における意味の違いをモデル化できるため、このアプローチはオントロジーの効率的かつ正確なマッチングを可能にします。^{[ 32 ]}

存在論的概念間のトポロジー的類似性を計算するアプローチには、基本的に2つのタイプがあります。

• エッジベース：エッジとそのタイプをデータソースとして使用する。
• ノードベース：主なデータソースがノードとそのプロパティである。

その他の指標では、オントロジーインスタンス間の類似性を計算します。

• ペアワイズ：2つのインスタンスが表す概念の意味的類似性を組み合わせることで、2つのインスタンス間の機能的類似性を測定する。
• グループ別：それらが表す概念の意味的類似性を組み合わせることなく、類似性を直接計算する

いくつかの例を挙げます。

統計的類似性評価手法は、データから学習することも、事前に定義することも可能です。類似性学習は、多くの場合、事前に定義された類似性指標よりも優れた結果をもたらします。概して言えば、これらの手法は文書の統計モデルを構築し、それを用いて類似性を推定します。

• LSA（潜在意味解析）：^{[ 44 ] [ 45 ]} (+) ベクトルベース、複数語の用語を測定するためにベクトルを追加。(−) 非増分語彙、前処理時間が長い。
• PMI（ポイントワイズ相互情報量）：(+) 検索エンジン（Googleなど）を使用するため、語彙が豊富。(−) 文全体または文書間の関連性を測定できない。
• SOC-PMI（二次共起点相互情報量）：(+) 大規模コーパスから重要な隣接語のリストをソートする。(−) 文全体または文書間の関連性を測定できない。
• GLSA（一般化潜在意味解析）：(+) ベクトルベースで、複数語の用語を測定するためにベクトルを追加する。(−) 語彙の増加がなく、前処理に時間がかかる。
• ICAN（連想ネットワークの漸進的構築）：(+)漸進的でネットワークベースの指標であり、活性化の拡散に適しており、二次的な関連性を考慮できる。(−)複数語間の関連性を測定できず、前処理に時間がかかる。
• NGD（正規化Google距離）：(+) 語彙が豊富。Googleなどの検索エンジンを使用するため。(−) 文全体または文書間の関連性を測定できるが、文または文書が大きいほど、より工夫が必要になる（Cilibrasi & Vitanyi、2007）。^{[ 46 ]}
• TSS（Twitter意味類似度）：^{[ 47 ]}大規模な語彙を使用。Twitterのオンラインツイートを使用して類似度を計算するため。高い時間分解能を持ち、高頻度イベントを捉えることができる。オープンソース
• NCD（正規化圧縮距離）
• ESA（明示的意味解析）はWikipediaとODPに基づいている。
• SSA（顕著な意味分析）^{[ 48 ]}は、その直接的な文脈で見られる顕著な概念を使用して用語を索引付けします。
• ウィキペディアのn°（noW）^{[ 49 ]}は、ゲーム「Six Degrees of Wikipedia」^{[ 50 ]}に触発された、ウィキペディアの階層構造に基づく距離尺度です。まず有向非巡回グラフが構築され、その後、ダイクストラの最短経路アルゴリズムを使用して、グラフ内の対応するトピック（つまりノード）間の測地距離として、2つの用語間のnoW値を決定します。
• VGEM（明示的に定義された多次元意味空間のベクトル生成）：^{[ 51 ]} (+) 語彙の増分が可能で、複数語の用語を比較できる (−) パフォーマンスは特定の次元の選択に依存する
• シムランク
• NASARI: ^{[ 52 ]} Wikipedia コーパスに超幾何分布を適用し、BabelNet 分類法と組み合わせることで構築されたスパースベクトル表現。多言語および統一拡張機能のおかげで、現在では言語間の類似性も可能になっています。^{[ 53 ]}

• マーカーパッシング: 自動オントロジー作成のための語彙分解とマーカーパッシングを組み合わせた Fähndrich らのアプローチは、新しいタイプの意味的類似度尺度を導入しています。^{[ 54 ]}ここでは、2 つのターゲット概念から活性化量を持つマーカーが渡されます。この活性化は、概念が接続されている関係の重みに応じて増加または減少する可能性があります。これは、エッジベースとノードベースのアプローチを組み合わせたもので、記号情報を用いたコネクショニスト推論を含みます。
• 優れた共通下位概念（GCS）に基づく意味的類似度尺度^{[ 55 ]}

• 意味類似性ネットワーク(SSN) は、概念とその意味的類似性を表現するように設計された、意味ネットワークの特殊な形式です。その主な貢献は、意味的距離の計算の複雑さを軽減することです。Bendeck (2004、2008) は、オントロジー表現から意味的類似性を測定するための意味ネットワークの特殊化として、意味類似性ネットワーク(SSN) の概念を導入しました。 ^{[ 56 ]}実装には、遺伝情報処理が含まれます。

研究者たちは、単語のペアの類似性判断のデータセットを収集しており、これは計算尺度の認知的妥当性を評価するために使用されています。今日までのゴールドスタンダードは、人間が単語の類似性を判断した古い65語のリストです。^{[ 57 ] [ 58 ]}

• RG65 ^{[ 59 ]}
• MC30 ^{[ 60 ]}
• WordSim353 ^{[ 61 ]}

• 会議論文：C. d'Amato、S. Staab、N. Fanizzi。2008年。「記述論理オントロジーが概念類似性に及ぼす影響について」。第16回国際知識工学会議：実践とパターン論文集、48～63ページ。イタリア、アチトレッツァ、Springer-Verlag
• 類似性も含む、より一般的な関連性に関する学術論文：Z. Zhang、A. Gentile、F. Ciravegna。2013年。 「語彙意味関連性の手法における最近の進歩 ― 概説」。Natural Language Engineering 19 (4)、411–479、Cambridge University Press。
• 書籍：S. Harispe、S. Ranwez、S. Janaqi、J. Montmain。2015年。『自然言語とオントロジー分析による意味的類似性』、Morgan & Claypool Publishers。