版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著大數(shù)據(jù)時代的到來,海量的文本數(shù)據(jù)在提供高價值信息的同時,也給文本語義理解帶來了嚴(yán)峻的挑戰(zhàn)。單詞是文本的最小組成單元,其語義相似度是挖掘詞匯關(guān)聯(lián)的重要依據(jù),有助于計算機準(zhǔn)確理解語句和文檔的內(nèi)容。根據(jù)詞匯語義資源,典型的語義相似度計算方法包含兩類:基于知識庫(Knowledge Base)和基于語料庫(Corpus)。知識庫能夠提供詞匯的語義描述和結(jié)構(gòu)化信息,但是嚴(yán)重依賴于領(lǐng)域?qū)<业臉?gòu)建和維護,詞匯覆蓋率較低,缺乏可擴展性。而語料庫雖然
2、包含豐富的詞匯,但是其非結(jié)構(gòu)性導(dǎo)致難以從中提取詞匯的有效語義特征。為了克服單類語義資源的不足,本文基于WordNet的圖結(jié)構(gòu)和詞匯的低維向量表示,分別從概念信息含量的量化模型、語義增強的詞向量、度量方法的優(yōu)化組合三方面,研究了知識庫和語料庫中語義知識的整合。本文的主要研究成果如下:
(1)提出了一種基于IC加權(quán)最短路徑的概念語義相似度計算方法CSSM-ICSP(Concept Semantic Similarity Measu
3、rement Based on IC-weighted Shortest Path)。該方法利用WordNet中概念的邊長、深度、密度等結(jié)構(gòu)屬性以及信息含量(Information Content,IC),計算概念之間的路徑距離并非線性地轉(zhuǎn)化為概念語義相似度。首先,用概念深度的相關(guān)函數(shù)對概念密度進行平滑,構(gòu)造基于WordNet的固有IC混合(Intrinsic IC Hybrid,IIH)計算模型,該模型改進了傳統(tǒng)IC計算模型未考慮概念
4、深度的不足;其次,將概念的IC差值作為邊長的權(quán)重,衡量處于不同深度的概念語義關(guān)系的強度差異。利用IC加權(quán)的路徑距離、深度差異率和歸一化路徑距離,建立概念距離計算模型。此外,為了實現(xiàn)WordNet與語料的語義知識整合,該方法將基于語料的統(tǒng)計IC模型引入固有IC模型。實驗結(jié)果表明,在詞對相似度公共測試集M&C、R&G、WS-353和WS-sim上,相比基于WordNet的其它方法,本文提出的方法具有較高的皮爾森線性相關(guān)系數(shù)。
(2
5、)提出了一種基于多語義融合的單詞語義相似度計算方法WSSM-MSF(Word Semantic Similarity Measurement Based on Multiple Semantic Fusion)。該方法旨在構(gòu)建有效的詞匯語義表征,改善基于向量空間的語義相似性度量。由于文檔所表達的語義內(nèi)容可以表示為句子、短語或單詞的向量組合,該方法基于向量的代數(shù)運算,利用WordNet中概念的多個語義屬性,包括同義詞(Synset)、注釋
6、(Gloss)、上位詞(Hypemym)和下位詞(Hyponym),構(gòu)造多語義融合(Multiple Semantic Fusion,MSF)模型,以此生成概念向量和語義增強詞向量,實現(xiàn)基于語義特征的異構(gòu)知識整合。為了避免傳統(tǒng)詞袋模型帶來的數(shù)據(jù)稀疏、特征高維等問題,該方法采用連續(xù)詞袋模型CBOW(Continuous Bag-of-Words),從大規(guī)模文本語料中學(xué)習(xí)出低維、稠密的實數(shù)詞向量。實驗結(jié)果表明,本文提出的語義增強的詞向量相對
7、于原始詞向量具有更好的表示語義特征的能力,能夠提高詞對相似度評測的計算準(zhǔn)確度,以及語義Web服務(wù)匹配的查準(zhǔn)率和召回率。
(3)提出了一種基于差分進化(Differential Evolutionary,DE)算法的單詞語義相似度計算方法WSSM-DE(Word Semantic Similarity Measurement Based on Differential Evolutionary)。該方法將多種度量方法的優(yōu)化組合問
8、題演化為解空間中的隨機尋優(yōu)過程,將基于WordNet或基于低維向量的計算語義相似度作為DE算法中種群個體的多維分量,通過基于個體差異的啟發(fā)式全局搜索,獲得分量上的權(quán)值和最優(yōu)解,以此實現(xiàn)WordNe與語料的語義知識整合?;谧顑?yōu)個體的每一維分量值的變化,分析了在語義計算任務(wù)中詞向量可能隸屬的空間。在詞對相似度評測任務(wù)上的實驗結(jié)果表明,本文提出的方法不僅優(yōu)于基于單一語義源的相似度計算方法,而且優(yōu)于基于有監(jiān)督優(yōu)化組合的計算方法,包括基于排序?qū)W
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 文本語義相似度計算方法研究.pdf
- 基于HowNet的短文本語義相似度計算方法研究.pdf
- 語義相似度的混合計算方法.pdf
- 文本語義相似度計算方法研究及應(yīng)用.pdf
- 基于HowNet樹層次模型的語義相似度計算方法研究.pdf
- 基于WordNet的語義相似度計算方法的研究與應(yīng)用.pdf
- 句子語義相似度計算方法研究及其應(yīng)用.pdf
- 用戶咨詢文本的語義相似度計算方法研究.pdf
- 基因間語義相似度計算方法研究及應(yīng)用.pdf
- 本體映射中概念語義相似度計算方法研究.pdf
- 中文詞匯語義相似度計算研究.pdf
- 基于《知網(wǎng)》的詞匯語義相似度計算doc
- 詞語相似度計算方法研究.pdf
- 基于漢語概念圖的詞匯語義相似度計算.pdf
- 跨語言詞匯語義相似度計算研究.pdf
- 基于本體的概念相似度計算方法的研究.pdf
- 一種基于語義網(wǎng)絡(luò)的中文文本相似度計算方法.pdf
- 推薦系統(tǒng)用戶相似度計算方法研究.pdf
- 推薦系統(tǒng)中相似度計算方法的研究.pdf
- 基于語義的文本相似度計算研究.pdf
評論
0/150
提交評論