資源描述：
《語(yǔ)義相似性測(cè)度方法研究綜述_黃世國(guó).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第25卷第2期計(jì)算機(jī)應(yīng)用與軟件Vol125No.22008年2月ComputerApplicationsandSoftwareFeb.2008語(yǔ)義相似性測(cè)度方法研究綜述1,22黃世國(guó)耿國(guó)華1(西北大學(xué)信息科學(xué)與技術(shù)學(xué)院陜西西安710069)2(福建農(nóng)林大學(xué)計(jì)算機(jī)與信息學(xué)院福建福州350002)摘要語(yǔ)義相似性測(cè)度是信息檢索中的關(guān)鍵技術(shù)?；仡櫫嘶诰嚯x的、基于信息內(nèi)容的、綜合了距離和信息內(nèi)容的、基于圖的語(yǔ)義相似性測(cè)度算法,認(rèn)為基于圖的語(yǔ)義相似性測(cè)度算法是今后研究的方向。關(guān)鍵詞語(yǔ)義相似性基于樹基于圖THESURVEYONSEMANTICSIMILARITYMETRIC
2、1,22HuangShiguoGengGuohua1(CollegeofInformationScienceandTechnology,NorthwestUniversity,Xipan710069,Shaanxi,China)2(CollegeofComputerandInformation,FujianAgricultureandForestryUniversity,Fuzhou350002,Fujian,China)AbstractSemanticsimilaritymetricisakeytechniqueininformationretrieva.lT
3、healgorithmsofsemanticsimilaritymetricbasedondis-tance,informationcontent,thecombinationofdistanceandinformationcontent,andgrapharereviewed,anditispointedoutthatgraph-basedsemanticsimilaritymetricalgorithmisthetrendinfutureresearch.KeywordsSemanticsimilarityTree-basedGraph-based的,可以在
4、該語(yǔ)義網(wǎng)中首先找到包含待比較詞的那些概念。在0引言此情況下,w1和w2之間的語(yǔ)義相似性可以用連接這兩個(gè)概念[1]之間的最短路徑來表示。例如,圖1是取自Wordnet本體中語(yǔ)義相似性測(cè)度多年來一直是自然語(yǔ)言處理和信息檢索研的一小部分[2]。boy和girl之間的最短路徑是boy-male-person-究的重要組成部分,是計(jì)算語(yǔ)言學(xué)和人工智能應(yīng)用中亟待解決female-gir,l最小路徑長(zhǎng)度為4。而teacher和boy之間的最小路的問題。特別是近幾十年來Internet技術(shù)的高速發(fā)展,網(wǎng)絡(luò)上出徑長(zhǎng)度為6。因此,girl比teacher在語(yǔ)義上更接近于boy。該測(cè)
5、現(xiàn)了大量共享的文獻(xiàn)資料,如何使用戶高效且準(zhǔn)確地找到所需度算法在醫(yī)學(xué)語(yǔ)義網(wǎng)中獲得了很好的測(cè)度結(jié)果。但是在一般的的信息是基于WEB信息檢索的研究熱點(diǎn)。該研究涉及到兩個(gè)語(yǔ)義網(wǎng)中如Wordnet,則較難獲得很好的結(jié)果。如圖1中animal方面:一是如何發(fā)現(xiàn)相關(guān)的WEB;二是存在相關(guān)WEB情況下如和boy的最小路徑長(zhǎng)度也為4,因此就得出了一個(gè)錯(cuò)誤的結(jié)論,何進(jìn)行排序。上述問題的解決途徑是找到比較好的WEB間語(yǔ)即animal比teacher在語(yǔ)義上更接近于boy。其原因在于自然語(yǔ)義相似性測(cè)度算法。傳統(tǒng)的相似性測(cè)度往往以手工的方式進(jìn)言的分類中邊不是等長(zhǎng)的,隨著深度的增加,邊的長(zhǎng)
6、度變小。行。這種方法費(fèi)時(shí)費(fèi)力且效率不高,無法解決網(wǎng)頁(yè)快速增長(zhǎng)、內(nèi)容不同一性的問題。因此,需要有語(yǔ)義相似性的自動(dòng)測(cè)度算法。目前語(yǔ)義相似性的自動(dòng)測(cè)度算法主要分為兩類:一是基于樹的語(yǔ)義相似性測(cè)度算法,二是基于圖的語(yǔ)義相似性測(cè)度算法。1基于樹的語(yǔ)義相似性研究基于樹的語(yǔ)義相似性計(jì)算一般適用于/is-a0的體系結(jié)構(gòu),這類算法大體上分為兩種:一是基于距離的語(yǔ)義相似性測(cè)度;二是基于信息內(nèi)容的語(yǔ)義相似性測(cè)度。1.1基于距離的語(yǔ)義相似性測(cè)度圖1樹狀語(yǔ)義知識(shí)庫(kù)1.1.1邊作為距離如果樹狀語(yǔ)義網(wǎng)中所有的邊即樹的分支是等長(zhǎng)的,那么邊的數(shù)目可以作為距離的測(cè)度。假定要確定詞w1和w2之間的語(yǔ)
7、收稿日期:2006-04-25。國(guó)家自然科學(xué)基金(60573179)。黃世義相似性,在語(yǔ)義網(wǎng)中詞是與/is-a0樹狀結(jié)構(gòu)中的概念相對(duì)應(yīng)國(guó),講師,主研領(lǐng)域:智能信息處理等。38計(jì)算機(jī)應(yīng)用與軟件2008年1.1.2其它類型的距離假設(shè)式(1)可寫成三個(gè)獨(dú)立的函數(shù),即:在Wordnet、Roget等諸多自然語(yǔ)言本體中,邊是不等長(zhǎng)的,s(c1,c2)=f(f1(l),f2(h),f3(d))(2)因此最小路徑長(zhǎng)度測(cè)度算法不再適用。為此,許多學(xué)者對(duì)基于f1、f2、f3分別是路徑長(zhǎng)度、層次深度和局部語(yǔ)義密度的傳遞邊的相似性測(cè)度方法進(jìn)行修改,引進(jìn)了亞層次密度、層次深度、函數(shù)。連
8、接類型、結(jié)點(diǎn)信息內(nèi)容等多
