基于特征的本體詞語(yǔ)相似度算法研究.pdf

1、詞語(yǔ)相似度計(jì)算不僅是自然語(yǔ)言處理中的一個(gè)重要基礎(chǔ)性研究課題，它也被廣泛應(yīng)用于知識(shí)管理、信息檢索、生物醫(yī)學(xué)、認(rèn)知科學(xué)和心理學(xué)等領(lǐng)域。隨著信息時(shí)代的到來(lái)，人們更迫切需要解決詞語(yǔ)相似度計(jì)算的問(wèn)題。鑒于本體中豐富的語(yǔ)義關(guān)系和便于計(jì)算的結(jié)構(gòu)，越來(lái)越多研究學(xué)者開(kāi)始對(duì)基于本體的詞語(yǔ)相似度算法進(jìn)行研究，因此本文針對(duì)本體，提出了一種概念特征與分類(lèi)學(xué)參數(shù)的映射模型，并在以往基于特征的計(jì)算詞語(yǔ)相似度的基本算法模型的基礎(chǔ)上提出了本文基于特征計(jì)算詞語(yǔ)相似度的基本

2、算法公式。以該映射模型和本文基于特征計(jì)算詞語(yǔ)相似度的基本算法公式為基礎(chǔ)，針對(duì)《知網(wǎng)》和WordNet兩個(gè)知識(shí)本體分別提出了幾種基于特征的詞語(yǔ)相似度算法模型去解決以往算法中出現(xiàn)的一些尚未解決的問(wèn)題并提高其算法精度。
　　對(duì)《知網(wǎng)》提出了一種基于特征的快速計(jì)算詞語(yǔ)相似度的算法模型。為使《知網(wǎng)》可以直接利用上下位關(guān)系計(jì)算詞語(yǔ)相似度，省去計(jì)算義項(xiàng)相似度前需要計(jì)算義原相似度的過(guò)程，進(jìn)而簡(jiǎn)化計(jì)算詞語(yǔ)相似度的過(guò)程，本文根據(jù)《知網(wǎng)》義項(xiàng)語(yǔ)義表達(dá)式

3、(DEF)中各義原的關(guān)系，在以往義原樹(shù)的基礎(chǔ)上構(gòu)建了一棵義項(xiàng)樹(shù)。首先，將《知網(wǎng)》義項(xiàng)DEF中帶有關(guān)系約束的第一獨(dú)立義原定義成抽象概念，從而將義項(xiàng)語(yǔ)義表達(dá)式轉(zhuǎn)換成一個(gè)多層次的抽象概念組。然后根據(jù)義項(xiàng)定義中的抽象概念將義項(xiàng)掛到《知網(wǎng)》現(xiàn)有的義原樹(shù)中，形成一棵包含義原、抽象概念與義項(xiàng)的義項(xiàng)樹(shù)。通過(guò)本文提出的概念特征與分類(lèi)學(xué)參數(shù)的映射模型將概念特征映射為義項(xiàng)樹(shù)中概念間的深度和路徑，并以本文基于特征計(jì)算詞語(yǔ)相似度的基本算法公式作為本算法模型的基本

4、公式，在此基礎(chǔ)上對(duì)公式進(jìn)行改進(jìn)，并利用兩個(gè)概念對(duì)應(yīng)義項(xiàng)DEF中的義原對(duì)概念特征進(jìn)行補(bǔ)償，通過(guò)參數(shù)調(diào)節(jié)義項(xiàng)定義中各義原對(duì)特征的貢獻(xiàn)大小。另外考慮到深度和路徑對(duì)計(jì)算詞語(yǔ)相似度的貢獻(xiàn)并不相同，通過(guò)映射模型將概念特征映射為義項(xiàng)樹(shù)中概念間的深度和路徑，并采用本文基于特征計(jì)算詞語(yǔ)相似度的基本算法公式作為本算法模型的基本公式，在此基礎(chǔ)上將公式變換成公共特征和不相同特征均帶參數(shù)的公式，提出了一種基于加權(quán)特征的詞語(yǔ)相似度計(jì)算模型。實(shí)驗(yàn)證明，針對(duì)《知網(wǎng)》提

5、出的兩種計(jì)算模型，MC30詞對(duì)計(jì)算的相似度值與人工判定值相比，分別取得了0.85和0.86的皮爾森相關(guān)系數(shù)，該結(jié)果達(dá)到了目前優(yōu)秀詞語(yǔ)相似度算法的水平。另外本文測(cè)試了以往相關(guān)論文中使用的測(cè)試詞對(duì)，實(shí)驗(yàn)結(jié)果表明，本文的兩個(gè)算法模型計(jì)算效果都較之前的要好。
　　對(duì)WordNet提出了一種基于特征的多源信息的融合模型計(jì)算詞語(yǔ)相似度。通過(guò)本文提出的概念特征與分類(lèi)學(xué)參數(shù)的映射模型將概念特征映射為概念間路徑和深度以及信息內(nèi)容這些分類(lèi)學(xué)參數(shù)，以概

6、念間最近公共上位的深度為概念間共有特征，概念間最短路徑為概念間不相同特征，并以本文基于特征計(jì)算詞語(yǔ)相似度的基本算法公式作為本算法模型的基本公式，在此基礎(chǔ)上對(duì)公式進(jìn)行改進(jìn)，并利用密度補(bǔ)償概念間特征差異，改善了前人優(yōu)秀算法計(jì)算的相似度呈現(xiàn)的非線性偏高問(wèn)題，并引入編碼差異性克服了信息源單一造成的計(jì)算結(jié)果區(qū)分度不高的缺陷并微調(diào)概念間特征差異問(wèn)題。最后，通過(guò)引入正弦計(jì)算的邊權(quán)重和調(diào)節(jié)參數(shù)合理的考慮了路徑、深度和獨(dú)立編碼對(duì)計(jì)算詞語(yǔ)相似度的貢獻(xiàn)程度。

7、實(shí)驗(yàn)證明，對(duì)于RG65、MC30、SimLex999中的666對(duì)名詞、 SimLex999中的222對(duì)動(dòng)詞、YP130詞對(duì)，采用相同參數(shù)本文計(jì)算的相似度值與人工判定值計(jì)算可以分別取得0.88、0.88、0.61、0.52、0.80的皮爾森相關(guān)系數(shù)，不使用相同參數(shù)最好可以分別取得0.88、0.89、0.61、0.55、0.81的皮爾森相關(guān)系數(shù)，該結(jié)果均達(dá)到了目前優(yōu)秀詞語(yǔ)相似度算法的水平。為證明算法通用性，本文將該算法移植到和WordNet