Web環(huán)境下基于語義關(guān)聯(lián)的文本理解.pdf

1、在互聯(lián)網(wǎng)的環(huán)境下，為了更好的處理網(wǎng)絡(luò)中的各種文本，提出基于文本語義關(guān)聯(lián)關(guān)系的文本理解。主要研究文本語義關(guān)聯(lián)的獲取和度量，以及將語義關(guān)聯(lián)關(guān)系運(yùn)用到各種文本分析中。
　　為了獲取并度量詞匯間語義關(guān)聯(lián)信息，提出基于維基百科的文本語義關(guān)聯(lián)的獲取。當(dāng)前對維基百科的使用大多集中在擴(kuò)展概念的相關(guān)概念，而不能夠定量的分析概念間的語義相關(guān)度。針對這一問題，考慮維基網(wǎng)頁文本的半結(jié)構(gòu)化特點(diǎn)，使用概念頁面的鏈接關(guān)系構(gòu)造概念的語義關(guān)聯(lián)網(wǎng)絡(luò)，并利用各概念頁面

2、構(gòu)造維基百科的詞條-概念映射結(jié)構(gòu)。使用馬爾科夫隨機(jī)游走算法在概念網(wǎng)絡(luò)上獲取概念間語義關(guān)聯(lián)強(qiáng)度，通過詞條概念映射結(jié)構(gòu)將這種關(guān)聯(lián)關(guān)系映射到詞匯間。實(shí)驗(yàn)結(jié)果顯示加入維基百科的語義信息，無論是文本主題的獲取能力，還是文本的分類和聚類的精度，都有了提高。
　　對于網(wǎng)絡(luò)特定領(lǐng)域的短文本的語義理解，提出通過對查詢接口標(biāo)簽文本進(jìn)行語義關(guān)聯(lián)分析，研究了網(wǎng)絡(luò)查詢接口的模式匹配這一典型應(yīng)用。在查詢接口的模式匹配上，當(dāng)前研究主要使用接口表單布局視覺信息，

3、將表單表達(dá)成樹狀結(jié)構(gòu)，進(jìn)而將接口模式匹配轉(zhuǎn)化到樹的匹配。這種方式?jīng)]有充分利用表單元素的語義信息，特別是標(biāo)簽文本的語義信息。針對這個問題，提出一個基于語義關(guān)聯(lián)的接口模式匹配算法。同時配合鏈表型的查詢接口模型，該算法可以很好的處理接口的模式匹配，進(jìn)而快速的進(jìn)行查詢接口的集成。實(shí)驗(yàn)結(jié)果顯示了加入語義信息后接口的模式匹配精度和匹配速度都有提高。
　　對于網(wǎng)絡(luò)中跨領(lǐng)域的長文本的語義理解，提出使用語義關(guān)聯(lián)三層網(wǎng)絡(luò)結(jié)構(gòu)對文本進(jìn)行語義關(guān)聯(lián)分析，研

4、究網(wǎng)絡(luò)新聞、博客等網(wǎng)絡(luò)長文本的自動摘要。之前的研究大多只能考慮文本中句子的相似度，或考慮句子中單詞的重要度，而很少考慮其中的短語語義關(guān)聯(lián)信息。針對這一問題，我們對自動摘要的圖模型基于文本語義關(guān)聯(lián)關(guān)系進(jìn)行了優(yōu)化和改進(jìn)。在圖模型中，普遍的做法是使用句子作為圖的頂點(diǎn)，句子間的相似性作為圖的帶權(quán)邊。改進(jìn)后的模型，不僅考慮文本中句子的相關(guān)性，而且考慮更低一級的短語級別的相關(guān)性。兩層語義關(guān)聯(lián)圖模型作為文本自動摘要模型在單文本和多文本摘要上的表現(xiàn)，顯

5、示了該模型的有效性。
　　對于網(wǎng)絡(luò)中由用戶交互產(chǎn)生的文本的語義理解，提出使用詞語向量基于社交網(wǎng)絡(luò)中海量交互式文本自身進(jìn)行語義關(guān)聯(lián)分析，研究社交網(wǎng)絡(luò)中評論的情感傾向性。用戶在與互聯(lián)網(wǎng)的交互中產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)中有很多是承載著用戶情感的。無論是在微博的熱門事件上，還是在網(wǎng)上商城的商品買賣上，用戶的評論都是很有價值的，尤其是這些評論的情感傾向。這些情感傾向表達(dá)了人們對熱門事件的態(tài)度和對商品服務(wù)的滿意程度。對網(wǎng)絡(luò)評論的情感進(jìn)行分析，無