关于相似性的研究在很多研究领域里都起到了关键作用。相似性的研究主要包括结构的相似性和语义的相似性。以往对结构相似性的关注和研究比较多,近几年,语义相似性吸引了越来越多的注意。由于历史原因所致,生物学数据来源非常复杂。为了减少或消除概念及术语的混乱,Gene Ontology协会开发了生物学数据的大型语义词典----基因本体GO(Gene Ontology)。GO应用的一个重要方面就是对GO术语的语义相似性进行度量。通常认为,如果两个基因产物的功能相似,那么它们的基因表达就相近,同时它们在GO中注解的术语就相似,所以我们只要能找出GO中术语对的相似度,就可以近似估计两基因表达的相似度,从而判断两基因产物功能的相似程度。所以说,GO术语间语义相似性的度量是解决生物学数据集成中语义异构问题的重要方法。本文首先介绍了关于GO的背景知识和对于语义相似性的研究;接着分析了当前GO术语间语义相似性的几种常用度量方法;然后主要针对其中最常用的一种提出了改进的措施----基于语义子图计算GO术语间语义相似性的方法;并以GO图的一小部分为例,做了算法的研究;最后对该方法进行了总结,并探讨了其更为广阔的应用空间。本文提出的方法是结合了基于信息量和基于概念距离两方面的方法,可使语义相似性测量的精确度得到进一步的提高,如果能应用到大的GO数据库中,将能更加准确地查找功能相似或者相关的蛋白质,为相关研究及应用打下良好的基础。