意味的類似性ネットワーク（いみてきるいじせいねっとわーく、）は、概念とその意味的類似性を表現するために設計された意味ネットワークの特殊な形式であるR. H. Richens: "General program for mechanical translation between any two languages via an algebraic interlingua". Cambridge Language Research Unit. Mechanical Translation, November 1956; p. 37。 その主な貢献は、意味的距離の計算複雑さを低減することにある。ベンデック（2004、2008）は、オントロジー的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的類似性ネットワーク（SSN）の概念を導入したFawsy Bendeck, Three Fold "Ontology + Model + Instance (OMI) – Semantic Unification Process, In International Conference on Advances in Internet, Processing, System and Interdisciplinary Research (IPSI-2004), Stockholm, Sep 2004, .。 実装例には遺伝情報処理が含まれる。
この概念は（ベンデック 2008）、概念をノードとして、意味的類似性関係をエッジとして表す有向グラフとして正式に定義されている。 関係は関係タイプごとにグループ化される。概念と関係には、概念間の意味的類似性P. Resnik. Using Information Content to Evaluate Semantic Similarity in a Taxonomy. Proc. the 14th International Joint Conference on Artificial Intelligence, 448–453, 1995.を評価するための属性値が含まれている。SSNの意味的類似性関係は、標準的な意味ネットワークの一般的な関係タイプのいくつかを表し、意味論の計算に対する（通常は非常に大規模な）ネットワークの複雑さを低減する。SSNは関係タイプを、同じタイプの関係に共通する意味的類似性属性のテンプレート（および関係の分類）として定義する。SSN表現により伝播アルゴリズムは指定された閾値内の停止条件を含めて意味的類似性をより高速に計算できる。これにより計算に必要な計算時間と処理能力が削減される。
意味的マッチングと意味的類似性ネットワークに関するより最近の出版物は（ベンデック 2019）に見ることができる。
医療分野における意味的類似性ネットワークの特定の応用は、2019年のヘルスケア情報交換フォーマット（FHIRヨーロッパ会議）で発表されたFHIR AmsterdamRecently reference in the (2017) Deep_Semantic_Similarity_Neural_Network_(DSSNN)。
脚注