一種漢語(yǔ)詞義消歧方法的研究.pdf

1、詞義消歧(Word Sense Disambiguation，WSD)是計(jì)算語(yǔ)言學(xué)和自然語(yǔ)言處理領(lǐng)域一個(gè)重要的研究課題，也是近些年來(lái)該領(lǐng)域的熱點(diǎn)研究問(wèn)題之一。詞義消歧結(jié)果的好壞直接影響到機(jī)器翻譯、信息檢索、句法分析和語(yǔ)音識(shí)別等應(yīng)用領(lǐng)域。因此詞義消歧研究在自然語(yǔ)言處理領(lǐng)域中具有重要的理論和實(shí)踐意義。
　　 詞義消歧方法有多種，目前基于知識(shí)庫(kù)的詞義消歧方法研究相對(duì)較少。對(duì)于這種有別于統(tǒng)計(jì)消歧的方法，在開放文本領(lǐng)域表現(xiàn)出明顯的優(yōu)勢(shì)，而

2、且該方法優(yōu)于基于語(yǔ)料庫(kù)的有指導(dǎo)學(xué)習(xí)方法。近幾年來(lái)本體(ontology)研究迅速發(fā)展，目前在本體的內(nèi)容、本體的表達(dá)方式、構(gòu)建規(guī)則、自動(dòng)化構(gòu)建技術(shù)等諸多方面，都有持續(xù)深入的研究。隨著越來(lái)越多高質(zhì)量本體的出現(xiàn)，本體的應(yīng)用越來(lái)越多的受人關(guān)注。
　　 本文沿著基于知識(shí)庫(kù)消歧的方向，提出了一種利用中文本體知識(shí)庫(kù)《知網(wǎng)》的相關(guān)資源、上下文信息等來(lái)進(jìn)行詞義消歧的一種方法，并通過(guò)計(jì)算詞語(yǔ)的相關(guān)度和相似度來(lái)實(shí)現(xiàn)本文的詞義消歧。具體的研究圍繞以下幾

3、個(gè)方面：
　　 現(xiàn)階段，很多詞義消歧的研究大多采用幾個(gè)有代表性的歧義詞作為研究與測(cè)試的對(duì)象，在實(shí)際應(yīng)用中有一定的局限性，因此本文希望能夠針對(duì)真實(shí)的應(yīng)用情況，對(duì)大規(guī)模文本進(jìn)行詞義消歧的研究。文中指出對(duì)任意輸入的文本進(jìn)行分詞和詞性標(biāo)注后，再利用知網(wǎng)字典資源識(shí)別出文本中的多義詞，解決了真實(shí)應(yīng)用中存在的問(wèn)題。
　　 利用本體作為詞義消歧的知識(shí)庫(kù)，避免了人工訓(xùn)練語(yǔ)料庫(kù)獲取詞義的復(fù)雜過(guò)程，并能提供準(zhǔn)確的含義，同時(shí)還能對(duì)大規(guī)模的多義詞

4、實(shí)現(xiàn)消歧。
　　 在利用上下文一定大小的窗口提取歧義詞的特征詞時(shí)，提出了基于三次互信息的思想來(lái)計(jì)算歧義詞和上下文詞語(yǔ)的相關(guān)度，有效地區(qū)別了高頻詞和低頻詞，并根據(jù)相關(guān)度的大小，提取出帶有歧義詞大量信息的特征詞。
　　 根據(jù)本體是共享概念模型的明確的形式化的規(guī)范說(shuō)明，是對(duì)世界知識(shí)的概念化描述，它可以作為自然語(yǔ)言處理系統(tǒng)中的世界知識(shí)庫(kù)的特點(diǎn)(本文主要利用中文知網(wǎng)的資源)以及概念和概念之間的關(guān)系，提出了利用改進(jìn)的相似度計(jì)算結(jié)果的