基于本體的概念語(yǔ)義相似度測(cè)量研究.pdf

1、概念語(yǔ)義相似度的測(cè)量是自然語(yǔ)言處理的一個(gè)重要的研究?jī)?nèi)容，它在信息檢索、機(jī)器翻譯、詞義排歧、自動(dòng)問(wèn)答等領(lǐng)域都有廣泛的應(yīng)用，它是一個(gè)基礎(chǔ)的研究課題。目前對(duì)概念語(yǔ)義相似度的測(cè)量研究大致分為兩大類:一類是依據(jù)某種世界知識(shí)來(lái)計(jì)算，主要是使用一種語(yǔ)義詞典，通過(guò)詞典中概念結(jié)點(diǎn)間的關(guān)系（上下位關(guān)系、同位關(guān)系、整體-部分關(guān)系等）來(lái)測(cè)量概念間的相似度;另一類是使用一種大規(guī)模的語(yǔ)料庫(kù)，通過(guò)統(tǒng)計(jì)學(xué)的方法依據(jù)上下文信息的概率分布來(lái)度量概念間的語(yǔ)義相似度，這一類方

2、法通過(guò)研究者的證明同樣適用于一種近似于語(yǔ)料庫(kù)的本體中。隨著本體結(jié)構(gòu)的完善和本體庫(kù)詞匯量的增加，越來(lái)越多的研究者開(kāi)始使用本體進(jìn)行語(yǔ)義相似度測(cè)量研究，但都存在一定的局限性，實(shí)用性受到效率以及不同應(yīng)用領(lǐng)域的嚴(yán)重質(zhì)疑。針對(duì)這一現(xiàn)狀，本文從該方向著手進(jìn)行探索研究。
　　本文結(jié)合前期的研究工作以及參閱相關(guān)文獻(xiàn)，選用國(guó)內(nèi)的《詞林》擴(kuò)展版和國(guó)外的WordNet，就相關(guān)研究遺留的問(wèn)題，分別提出一種模型用于計(jì)算概念語(yǔ)義相似度。本文的主要工作如下：

3、r>　　(1)在中文詞語(yǔ)相似度測(cè)量中，分析具有代表性的田久樂(lè)提出的算法存在的不足，然后針對(duì)存在的問(wèn)題提出了較好地解決辦法，使其與標(biāo)準(zhǔn)測(cè)試集MC30數(shù)據(jù)集的人工判定值之間的皮爾遜相關(guān)系數(shù)由0.53提高到0.85，具有較好的實(shí)用價(jià)值。
　　(2)通過(guò)對(duì)眾多優(yōu)秀算法的研究以及對(duì)《詞林》擴(kuò)展版的了解，以DekangLin的相似度理論為基礎(chǔ)，通過(guò)理論分析與推導(dǎo)，最后提出一種新的概念語(yǔ)義相似度測(cè)量方法。
　　(3)在對(duì)中文詞語(yǔ)相似度測(cè)量

4、方法效果進(jìn)行評(píng)判時(shí)，由于國(guó)內(nèi)缺乏具體的評(píng)判標(biāo)準(zhǔn)，本文參考國(guó)外的評(píng)判標(biāo)準(zhǔn)，轉(zhuǎn)化出了一種中文詞語(yǔ)相似度評(píng)判方法，為國(guó)內(nèi)的詞語(yǔ)相似度方法的評(píng)估提供了一種評(píng)估標(biāo)準(zhǔn)。
　　(4)在英文概念語(yǔ)義相似度測(cè)量中，基于WordNet的研究，考慮到本體中普遍存在的不規(guī)則密度，導(dǎo)致計(jì)算結(jié)果不佳的問(wèn)題。首先從已有的算法中通過(guò)部分改進(jìn)抽取出一種基于密度權(quán)重的算法，用于證明通過(guò)密度補(bǔ)償路徑可以改善不規(guī)則密度引起的問(wèn)題，然后提出一種基于區(qū)域密度補(bǔ)償?shù)穆窂接?jì)算模