基於「知網」的辭彙語義相似度計算

Word Similarity Computing Based on How-net

詞義相似度計算在很多領域中都有廣泛的應用，例如資訊檢索、資訊抽取、文 本分類、詞義排歧、基於實例的機器翻譯等等。詞義相似度計算的兩種基本方 法是基於世界知識（Ontology）或某種分類體系（Taxonomy）的方法和基於統 計的上下文向量空間模型方法。這兩種方法各有優缺點。 《知網》是一部比較詳盡的語義知識詞典，受到了人們普遍的重視。不過，由 於《知網》中對於一個詞的語義採用的是一種多維的知識表示形式，這給詞語 相似度的計算帶來了麻煩。這一點與WordNet 和《同義詞詞林》不同。在 WordNet 和《同義詞詞林》中，所有同類的語義項（WordNet 的synset 或《同 義詞詞林》的詞群）構成一個樹狀結構，要計算語義項之間的距離，只要計算 樹狀結構中相應結點的距離即可。而在《知網》中辭彙語義相似度的計算存在 以下問題： 1. 每一個詞的語義描述由多個義原組成； 2. 詞語的語義描述中各個義原並不是平等的，它們之間有著複雜的關係，通 過一種專門的知識描述語言來表示。 我們的工作主要包括： 1. 研究《知網》中知識描述語言的語法，瞭解其描述一個詞義所用的多個義 原之間的關係，區分其在詞語相似度計算中所起的作用；我們採用一種更為結構化的方式改寫了《知網》中詞的定義（DEF），其中採用了“集合? 和“特徵結構?這兩種抽象資料結構。 2. 研究了義原的相似度計算方法、集合和特徵結構的相似度計算方法，並在 此基礎上提出了利用《知網》進行詞語相似度計算的演算法； 3. 通過實驗驗證該演算法的有效性，並與其他演算法進行比較。