基于叙词表的概念语义相似度计算-黄金科学技术.pdfVIP

＞＞ 第 卷 第 期　２００９年４月　　 ﹨ ? 基于叙词表的概念语义相似度计算 赖院根　吴雯娜 中国科学技术信息研究所　北京 １０００３８ 〔摘要〕语义相似度计算是信息处理技术中的一个关键问题。提出基于叙词表、基于距离的概念语义相似度计算 方法，详细叙述其计算流程。在此基础上，利用《农业叙词表》中的实际数据展开分析验证，从计算结果上看该方 法基本可行，从实用的角度出发，可为叙词表的应用作一些尝试和探索。 〔关键词〕叙词表　语义相似度　农业叙词表 〔分类号〕ＴＰ３９１ ＲｅｓｅａｒｃｈｏｎＣｏｎｃｅｐｔＳｅｍａｎｔｉｃＳｉｍｉｌａｒｉｔｙＣｏｍｐｕｔａｔｉｏｎＢａｓｅｄｏｎＴｈｅｓａｕｒｕｓ ＬａｉＹｕａｎｇｅｎ　ＷｕＷｅｎｎａ ＩｎｓｔｉｔｕｔｅｏｆＳｃｉｅｎｔｉｆｉｃ＆ＴｅｃｈｎｉｃａｌＩｎｆｏｒｍａｔｉｏｎｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００３８ 〔Ａｂｓｔｒａｃｔ〕Ｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｙｃｏｍｐｕｔａｔｉｏｎｉｓａｋｅｙｐｒｏｂｌｅｍｏｆｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ．Ｔｈｅｐａｐｅｒｐｒｏｐｏｓｅｓａｍｏｄｅｌｏｆｃｏｎ ｃｅｐｔｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｙｃｏｍｐｕｔａｔｉｏｎｂａｓｅｄｏｎｔｈｅｓａｕｒｕｓａｎｄｓｅｍａｎｔｉｃｄｉｓｔａｎｃｅ，ａｎｄｄｅｓｃｒｉｂｅｓｉｔｓｃｏｍｐｕｔａｔｉｏｎｐｒｏｃｅｓｓｉｎｄｅｔａｉｌ．Ｏｎｔｈｉｓ ｂａｓｉｓ，ｔｈｅｅｘｐｅｒｉｅｎｃｅｓｔｕｄｙｈａｓｂｅｅｎｍａｄｅｉｎｔｈｉｓｐａｐｅｒｕｓｅｄｔｈｅａｃｔｕａｌｄａｔａｉｎＡｇｒｉｃｕｌｔｕｒｅＴｈｅｓａｕｒｕｓａｎｄｉｔｉｓｐｒｏｖｅｄｔｈａｔｔｈｅｍｏｄｅｌ ｉｓｆｅａｓｉｂｌｅ． 〔Ｋｅｙｗｏｒｄｓ〕ｔｈｅｓａｕｒｕｓ　ｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｙ　ａｇｒｉｃｕｌｔｕｒａｌｔｈｅｓａｕｒｕｓ 就存在一个实际应用的问题。迄今为止，还没看到基 １　引　言 于叙词表的概念语义相似度计算方面的相关研究。 　　叙词表（Ｔｈｅｓａｕｒｕｓ）又称为主题词表，由术语及术 　　概念语义相似度计算在信息检索、机器翻译、文本 语之间的各种关系组成，是比较完善的概念知识体系， 分类等领域有着广泛的应用，是当今信息技术研究的 能反映特定学科领域的语义相关概念，在我国曾经有 热点之一。国内外对概念语义相似度计算的研究策略 过大规模的编制和应用。本文拟展开基于叙词表的概 大体可分为两类： 利用大规模的语料库，通过计算概 念语义相似度计算研究，建立基于语义距离的计算模 ① ［１－２］ ［７］ 念相关性来度量其语义相似度 ； 基于语义网络， 型，并利用《农业科学叙词表》 农业经济部分中的概 ② 计算模型包括基于距离、基于信息内容和基于属性 念（本文对概念和叙词表中术语的含义不加区分，下 ［３］ 同）进行实证。本文研究目的是试图从实用性的角度 等 。其中，基于语义网络的相关研究比较多，语义网 络主要选择语义词典［４－５］（如 Ｗｏｒｄｎｅｔ、《知网》）和领 出发，为叙词表在信息检索、文本分类等方面的应用作 ［３，６］ 一些尝试和探索。 域本体 。 　　前人的研究在实验验证上取得了很好的结果，但 也存在一些不足： 基于语义词典的研究基本上只利 ２　相关概念与研究 ① 用了概念间的上下位关系而没有考虑其他