應用跳脫語言模型於同義詞取代之研究

Skip N-gram Modeling for Near-Synonym Choice

同義詞（Near-Synonym）不只在自然語言應用中是重要的一環，也是對第二語言學習者很重要的部分。同義詞雖然是一群意思相近的單字集合，但在特定的情況與特殊用法下，選擇錯誤的同義詞會造成句意上的誤解，甚至是整個文法錯誤，因此我們希望能夠藉由上下文的訊息，再利用系統分辨出正確的同義詞，來協助外語學習者做有效率的學習。目前為止已有許多同義詞的相關研究，這些研究的方法包含：點式交互資訊（Pointwise Mutual Information, PMI）與N連詞（N-gram）模型都是常用的方法，我們想使用與以往不同的方法來提升正確率，因此我們使用跳脫（Skip N-gram）語言模型的方法針對SemEval-2007資料進行實驗，結果顯示我們提出的方法是可行的，正確率也有明顯的提升。