文本間語義相關(guān)性計算及其應(yīng)用研究.pdf

1、在信息飛速膨脹的當(dāng)今世界，文本由于其表達靈活、信息容量大以及最為關(guān)鍵的人性化特點，一直是信息傳播和存儲的主要形式。如何對浩如煙海的文本數(shù)據(jù)進行處理,幫助人們更好地管理和使用這些數(shù)據(jù)，是如今這個信息時代需要研究和解決的根本問題之一。而對文本之間的關(guān)系進行考查，將這些紛雜的文本依據(jù)它們的內(nèi)容進行合理的關(guān)聯(lián)和區(qū)分，從而使更加復(fù)雜和深入的后續(xù)處理能夠被順暢的應(yīng)用，則成為文本信息處理的首要內(nèi)容。
　　長期以來，由于計算機領(lǐng)域的研究者們?nèi)狈?/p>

2、相關(guān)性概念的深入思考，使得在文本間關(guān)系的考察中，以相似性度量代替相關(guān)性度量的方法長期占據(jù)主流地位。盡管在一些情況下，相似性度量能夠在一定程度上模擬相關(guān)性度量。但是，在很多著重強調(diào)考察文本之間關(guān)聯(lián)程度而非相似程度的應(yīng)用當(dāng)中，由于此類方法的出發(fā)點與應(yīng)用的關(guān)注目標之間存在偏差，因此往往不能很好的滿足應(yīng)用對計算效果的要求。
　　本文借助認知科學(xué)與信息科學(xué)等多個領(lǐng)域的研究者對相關(guān)概念的實質(zhì)所進行的深入分析，在現(xiàn)有的技術(shù)條件下，對用戶的一般性

3、知識基礎(chǔ)加以利用，在語義層面上通過對系統(tǒng)角度的相關(guān)性計算模式進行改進，使之向用戶角度的相關(guān)性計算靠近，對人類的相關(guān)判斷行為進行模擬。針對語句和文檔這兩種不同規(guī)模和級別的文本，本文對它們的相關(guān)性計算方法分別進行了研究，并探討了它們各自在相關(guān)領(lǐng)域中的應(yīng)用。具體內(nèi)容包括以下幾個方面。
　　面向自動問答系統(tǒng)中候選答案語句抽取的任務(wù)，提出了基于系統(tǒng)相似理論的加強型系統(tǒng)相似模型，用以對問答系統(tǒng)中用戶查詢問句與候選文檔問句之間的關(guān)系進行計算。該

4、模型引入候選答案要素，賦予其相應(yīng)的模擬相似度，使其對語句之間相似度產(chǎn)生正向貢獻，進而實現(xiàn)相似性度量到相關(guān)性度量的轉(zhuǎn)變，更加準確地滿足問答系統(tǒng)的需求。以該語句相關(guān)性計算方法為主要創(chuàng)新點的問答系統(tǒng)在目前國際權(quán)威的問答系統(tǒng)評測中獲得了優(yōu)異的評測成績，同時，在此評測數(shù)據(jù)集上針對該方法的測試結(jié)果也體現(xiàn)了該方法性能的優(yōu)越性。
　　除了對語句一級的文本間語義相關(guān)性計算方法進行研究，本文對文檔之間的相關(guān)性度量也提出了新的計算方法。利用文檔所具有的

5、詞匯集聚特性，借助語義辭典等知識源，本文對文檔中詞語間的語義鏈接關(guān)系進行了定義與考察，并以之為基礎(chǔ)提出了文檔的詞匯鏈形式化表示、詞匯鏈權(quán)重計算，以及相應(yīng)的文檔匹配等方法。在對人類相關(guān)性判斷行為的特點進行分析的基礎(chǔ)上，提出了利用文本分類對相關(guān)性計算效果進行考察的評價方法。實驗證明，基于詞匯集聚的文檔相關(guān)性計算方法取得了良好的計算效果。
　　在此基礎(chǔ)之上，本文提出了可調(diào)節(jié)距離的詞匯間鏈接關(guān)系定義方法，并且對文檔詞匯集聚所形成的詞簇的內(nèi)

6、部結(jié)構(gòu)做了進一步的分析，提出了對詞簇結(jié)構(gòu)信息加以利用的基于結(jié)構(gòu)化詞匯集聚的文檔相關(guān)性計算方法。在相關(guān)實驗中，該計算方法的優(yōu)越性得到了充分的證實。
　　此外，面向藥物開發(fā)過程中，藥代動力學(xué)模型訓(xùn)練所需的相關(guān)參數(shù)缺乏的問題，本文對基于詞匯集聚的文本相關(guān)性計算方法在生物醫(yī)藥領(lǐng)域藥代動力學(xué)參數(shù)相關(guān)文檔過濾中的應(yīng)用進行了研究，同時包括了系統(tǒng)的結(jié)構(gòu)設(shè)計以及針對應(yīng)用領(lǐng)域的特點所采取的特殊的文本預(yù)處理方法。在針對酶作用物、引物和抑制劑三個類別的8