基于本體的概念語義相似度測量研究.pdf

1、概念語義相似度的測量是自然語言處理的一個重要的研究內(nèi)容，它在信息檢索、機器翻譯、詞義排歧、自動問答等領(lǐng)域都有廣泛的應(yīng)用，它是一個基礎(chǔ)的研究課題。目前對概念語義相似度的測量研究大致分為兩大類:一類是依據(jù)某種世界知識來計算，主要是使用一種語義詞典，通過詞典中概念結(jié)點間的關(guān)系（上下位關(guān)系、同位關(guān)系、整體-部分關(guān)系等）來測量概念間的相似度;另一類是使用一種大規(guī)模的語料庫，通過統(tǒng)計學(xué)的方法依據(jù)上下文信息的概率分布來度量概念間的語義相似度，這一類方

2、法通過研究者的證明同樣適用于一種近似于語料庫的本體中。隨著本體結(jié)構(gòu)的完善和本體庫詞匯量的增加，越來越多的研究者開始使用本體進(jìn)行語義相似度測量研究，但都存在一定的局限性，實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)，選用國內(nèi)的《詞林》擴展版和國外的WordNet，就相關(guān)研究遺留的問題，分別提出一種模型用于計算概念語義相似度。本文的主要工作如下：

3、r>　　(1)在中文詞語相似度測量中，分析具有代表性的田久樂提出的算法存在的不足，然后針對存在的問題提出了較好地解決辦法，使其與標(biāo)準(zhǔn)測試集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，具有較好的實用價值。
　　(2)通過對眾多優(yōu)秀算法的研究以及對《詞林》擴展版的了解，以DekangLin的相似度理論為基礎(chǔ)，通過理論分析與推導(dǎo)，最后提出一種新的概念語義相似度測量方法。
　　(3)在對中文詞語相似度測量

4、方法效果進(jìn)行評判時，由于國內(nèi)缺乏具體的評判標(biāo)準(zhǔn)，本文參考國外的評判標(biāo)準(zhǔn)，轉(zhuǎn)化出了一種中文詞語相似度評判方法，為國內(nèi)的詞語相似度方法的評估提供了一種評估標(biāo)準(zhǔn)。
　　(4)在英文概念語義相似度測量中，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)致計算結(jié)果不佳的問題。首先從已有的算法中通過部分改進(jìn)抽取出一種基于密度權(quán)重的算法，用于證明通過密度補償路徑可以改善不規(guī)則密度引起的問題，然后提出一種基于區(qū)域密度補償?shù)穆窂接嬎隳?/p>