3.4 转换模型和算法
分类表的兼容转换同样具有方向性。也就说,两个分类表A和B,A向B转换与B向A转换是两次完全不同的操作。在A向B的转换中,A是主体,B是参照系统。为了描述方便,A和B分别称作“对比体系”和“基准体系”,A和B中的类别分别称作“对比类别”和“基准类别”,A和B中的分类代码分别称作“对比代码”和“基准代码”。采用线分类法的分类表,其等级体系结构可表示为一棵倒挂的树,每个结点代表一个类别,结点之间的路径距离,可以反映类别之间的语义关联程度,比如下位类与其上位类的距离最短,二者的语义关联程度也就最高［5］。
分类表的兼容转换是一项重要而又具有很大难度的工作。汉语、英语和德语等语言都普遍存在字面相似度原理,即大多数字面相似的词（字符串）,特别是专业术语,往往表达相同（或者相近）的语义。本章主要探讨一种基于字面相似度的分类表兼容转换方法。分类表中的类名一般采用比较简洁的文字描述。特别是一些下位类,常常省略与其上位类相同的文字部分,从而导致类名的语义模糊程度增加。如果直接根据类名的字面相似度来判断类别语义相似度,准确性会受到较大影响。
根据Resnik理论、分类表中类名的文字描述特点和重心后移规律匹配法,本文提出一种类别转换模型（String Similarity Based Conversion Model,简称“SSC”模型）。为了提高类别转换的准确率,需要充分利用重构后的类名来计算类别之间的语义相似度。所谓重构类名,是指将每个类别的类名与其上位类的类名进行合并,以使重构后的类名能够更加完整地描述类别的语义内容。从理论上讲,为了确保重构类名的语义完整性,可采用多级重构的方式,即重构类名＝类名＋上位类＋上上位类……以此类推。作者认为,绝大多数一级重构类名基本上能够完整地表达该类别的语义内容。因此,大多数应用情况下,采用一级重构类名基本上可以满足要求。表3-1以《国土基础信息数据分类与代码》［6］为例,进一步阐述重构类名的方法。
表3-1 GB/T13923—92中的部分类别
续表 3-1
假设A和B分别表示对比体系和基准体系,SA和SB分别表示一个对比类别和一个基准类别,NA和NB分别表示SA和SB的类名,UA和UB分别表示SA和SB的重构类名。SA与SB的转换模型定义如下：
其中,M1,M2,M3和M4分别代表四个不同的转换级别,其优先次序为M1＞M2＝M3＞M4；δ（＜0≤δ≤1）称作“转换级别系数”,用于使不同级别的语义相似度值具有可比性。δ值可以控制类别转换关系的准确性和数量。δ值越大,类别转换关系的准确性越高,但是转换关系数量会减少；反之亦然。因此,可以根据实际应用的不同要求,调整δ值的大小。实验表明,δ为0.1时可以获得比较满意的转换结果。
基于SSC模型的分类表转换算法包括以下基本步骤：①依次将每个对比类别与所有基准类别之间建立候选类别转换关系；②应用SSC模型计算候选转换关系的语义相似度；③根据筛选规则选择类别转换关系；④输出最终转换结果,即类别转换关系表。为了控制转换的准确性,一个对比类别尽可能只与一个基准类别建立转换关系。具体转换算法如下：
输入：对比体系A（类别SA1,SA2,S6,…,SAi…SAm）
基准体系B（类别SB1,SB2,SB3,…,SBj…SBn）
输出：类别转换关系表（表T）
T＝Φ
For i＝1to m
SA＝SAi
For j＝1to n
Q＝Φ
SB＝SBj
将SA和SB构成的转换关系加入到表Q中
计算SA和SB的M1、M2、M3、M4值
Sim（SA,SB）＝max（M1,M2,M3,M4）
j＝j＋1
End for
将表Q中符合条件“Sim（SA,SB）＝max（Sim（SA,＊））
and Sim（SA,SB）＞θand转换级别最大”的记录添加到表
T中
i＝i＋1
End for
Return表T
以GB/T 13923—92和《1∶500 1∶1 000 1∶2 000地形图要素分类与代码》［7］为例的部分转换结果如表3-2所示。
表3-2 分类表转换结果样例
续表 3-2
类别转换关系的相似度计算可以概括为以下几种情况：
（1）对比类名和基准类名相同,而且其上位类类名也相同。例如,表3-2中第1～7条记录。在这种情况下,两个类别的相似度值等于1,对照级别为M1。
（2）对比类名和基准类名相同,但是其上位类类名不相同。例如,表3-2中第29条记录,NA＝“GPS点”,NB＝“GPS点”,UA＝“GPS点测量控制点”,UB＝“GPS点其他控制点”。
其中,Sim（SA,SB）1,Sim（SA,SB）2和Sim（SA,SB）3都不符合SSC算法中的筛选标准,所以Sim（SA,SB）的值应等于Sim（SA,SB）4的值,即0.80,对照级别为M4。
（3）对比类名和基准类名不相同,但是其上位类类名相同。例如,表3-2中第8条记录,NA＝“土堆上的三角点”,NB＝“三角点”,UA＝“土堆上的三角点平面控制点”,UB＝“三角点平面控制点”。
Sim（SA,SB）2,Sim（SA,SB）3和Sim（SA,SB）4都不符合SSC算法中的筛选标准,所以Sim（SA,SB）应等于Sim（SA,SB）1的值,即0.62,对照级别为M1。
（4）对比类名和基准类名不相同,而且其上位类类名也不相同。例如,表3-2中第21条记录,NA＝“不埋石图根点”,NB＝“埋石图根点”,UA＝“不埋石图根点平面控制点”,UB＝“埋石图根点其他基础控制点”。Sim（SA,SB）的值为0.70,对照级别为M4。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
