摘要：语义相似度计算是信息处理中的一个关键问题。针对领域本体语义相似度计算模型考虑因素过于单一、主观性较强、计算精度较低等问题,该文首先针对本体模型的结构特点,提出一种计算节点密度的新方法,并从模型概念间的关系类型、节点密度、节点深度等方面分析本体概念相似度的组成,并赋予不同的权重,从而计算概念对间的结构相似度;接着,根据文献资料和经验知识,构建本体概念对的属性网格以获取概念的属性相似度;然后,基于本体层次网络结构计算根、叶节点的B-U概率,进而计算语义信息量,该方法不依赖于专家经验,具有客观性;再次,结合本体结构、信息量、属性等影响相似度的因素,提出一种计算概念间语义相似度的综合算法,该算法考虑到不同的影响因子在语义相似度计算中的重要程度不同,从而赋予农业本体中概念对关系不同的权值;最后,以农业领域农作物本体的语义相似度的计算为例进行实例验证,并给出＂甜玉米＂和＂糯玉米＂语义相似度计算的详细过程。试验表明该文提出的语义相似度算法的计算结果（0.8206）和标准差（0.0565）较之其他3种语义相似度算法更接近人们直观认知和专家意见,能有效提高语义相似度计算的精度和有效性。

关键词：算法 农业 模型 相似度 语义距离 

单位：兰州大学资源环境学院; 兰州730000; 西北民族大学土木工程学院; 兰州730124