计算机识别汉语同义词的两种算法比较和测评.PDF

( ) 中国图书馆学报 双月刊 2002 年第 4 期 　　　　　　 ZHONGGUO 　 TUSHUGUANXUEBAO ●朱毅华 　侯汉清 　沙印亭 计算机识别汉语同义词的两种算法比较和测评 摘 　要 　以词素为单位进行相似度计算 ,在许多方面解决了字面相似度算法中不合理的问题 , 但汉语分词 、词义分解 、词素分类体系及其编码问题又亟待解决 。基于语义的词素相似度算法 优于基于单汉字的字面相似度算法 ,是今后的研究重点。表 4 。参考文献 9 。 关键词 　中文信息处理 　同义词识别 　模式识别 　词素 　字面相似度匹配 分类号　G252 7 ABSTRACT 　In t his paper , t he aut hor s point out t he advantages and disadvantages of t he similarit y computing by word element s. They t hink t hat t he wordelementbased similarit y algorit hm is better t han t he singlecharacterbased similarit y algorit hm . 4 tabs. 9 ref s. KEY WORDS 　Chinese information p rocessing . 　Recognition of synonyms. 　Pattern recognition . 　Word element . 　Matching of word similarit y . CLASS NUMBER 　252 7 　　随着计算机技术的飞速发展 , 自然语言越来越 识别同义词的有效方法之一 。字面相似度算法主要 多地应用于信息检索领域 ,这可以说是当代检索语 根据字面相似性原理 , 即汉语中绝大多数同义词 、准 言发展最重要的特征[ 1 ] 。然而 ,汉语中自然语言对 同义词都含有相同语素这一突出特点 ,计算词与词 概念表达灵活 、自由的特点 ,为情报界学者提出了更 之间的关联程度 。王源等首先讨论了通过字面相似 多研究课题 。目前 ,利用计算机辅助识别 自然语言 匹配的方法查找新术语与主题词的相关关系 , 并提 中存在的大量的同义词是全文检索 、网络检索中亟 出了在计算中同时考虑匹配字数和词汇结构两方面 待解决的课题之一 。其中 , 自动识别中文同义词的 的因素[3 ] 。宋明亮主要利用汉语词汇字面相似性原 ( ) [4 ] 测定方法主要有两种 : 以单汉字 即语素 为单位的 理进行词汇归类 。吴志强提出的加权相似度算法 字面相似度测定 : 以词素为单位的字面相似度测定 。 是在前面两种思想基础上又将汉语构成的“重心后 移”原理加入其 中 , 成为一种 比较有代表性 的算 1 　语言学和情报学中的同义词 法[ 5 ] 。其主要内容如下 : 同义词在语言学 、情报学中都存在 ,但其含义并 汉语词汇构成具有“重心后移”的特点 。表达某 不相同。汉语语言语气 、语词结构的细微变化都可 一具体专指概念的语词 ,其主题中心即中心词往往 能造成词义的变化 。因此 ,在语言学领域的同义词 在词的后半部分 。在字面上语素越靠后 ,它