语义增强的关系相似度度量算法及研究.pdf

2011届研究生硕士学位论文 I SZ5l(19 学校代码:10269 学号:51081201057 葶震印筇天擎语义增强的关系相似度度量算法研究院专 2010年10月完成 Dissertation forMaster Degree ofScience East China Normal University :10269 Student ID:51081201057 EAST CHINA NoRMAL UNIVERSITY Research onSemantic Enhancing Relational Similarity Measurement Department: gQ堡墅巫曼!墨璺i宝nQ星i盟亟I星堡h坠Q!QgY Maj or: ￡Q堡P巫星!鲤卫!i坌堑iQ壁 Research Area: Semantic臃b Supervisor: StudentName: g垦i墨Q塾g盟星i 华东师范大学学位论文原创性声明郑重声明:本人呈交的学位论文《语义增强的关系相似度度量算法研究》, 是在华东师范大学攻读硬声/博士(请勾选)学位期间,在导师的指导下进行的研究工作及取得的研究成果。除文中已经注明引用的内容外,本论文不包含其他个人已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体, 均已在文中作了明确说明并表示谢意。作者签名..『『月抖日华东师范大学学位论文著作权使用声明《语义增强的关系相似度度量算法研究》系本人在华东师范大学攻读学位期间在导师指导下完成的硕壬/博士(请勾选)学位论文,本论文的研究成果归华东师范大学所有。本人同意华东师范大学根据相关规定保留和使用此学位论文, 并向主管部门和相关机构如国家图书馆、中信所和“知网"送交学位论文的印刷版和电子版;允许学位论文进入华东师范大学图书馆及数据库被查阅、借阅;同意学校将学位论文加入全国博士、硕士学位论文共建单位数据库进行检索,将学位论文的标题和摘要汇编出版,采用影印、缩印或者其它方式合理复制学位论文。本学位论文属于(请勾选) ( )“内部"或“涉密”学位论幸, 于年月日解密,解密后适用上述授权。(√,适用上述授权。导师签名本人签名筮丝左冬扫Io年11月乙午日·“涉密”学位论文应是已经华东师范大学学位评定委员会办公室或保密委员会审定过的学位论文(需附获批的《华东师范人学研究生申请学位论文“涉密”审批表》方为有效),未经上述部门审定的学位论文均为公开学位论文。此声明栏不填写的,默认为公开学位论文,均适用上述授权)。蓥缦擅硕士学位论文答辩委员会成员名单姓名职称单位备注顾君忠教授华东师范大学答辩主席贺棵教授华东师范大学杨静副教授华东师范大学华东师范人学硕士学位论文摘要摘要对词语之间和词对之间的关系进行量化测度是自然语言处理的重要研究内容之一,相关研究成果在信息检索、语义消歧、机器翻译等自然语言处理领域都有广泛的应用。近年来,词语之间的语义相关度度量研究已经取得了丰硕的成果, 词对之间的关系相似度度量研究成为业界研究热点。现有的词对之间的关系相似度度量方法大致分为两类:基于语义资源的方法和基于统计的方法。基于语义资源的方法利用语义词典或语义网计算词对之间的关系相似度,这种方法需要极大程度地依赖于词汇或义原间的关系体系,较难满足实际的应用需要,并且根据需求手工构建词典的成本较高。基于统计的方法属于数据驱动方式,其基本思想是从大规模的语料中(如Wikipedia)统计与词对共现的上下文信息以计算词对之间的关系相似度。这种方法具有数据稀疏问题和实验耗费时间长问题;这种方法仅仅基于词对的共现,并不能真正挖掘出词对问的语义关系;另外,基于统计的有监督的关系相似度算法需要人工标注语料,成本较高。本论文针对现有的词对间关系相似度算法的不足,首先提出了基于潜在语义检索的词对关系相似度算法(LSR),针对LSR算法实验准确率不高的缺点, 进一步提出了基于语义增强的词对关系相似度算法(SSR)。本论文的主要研究成果如下: 首先,对目前的英文词对关系相似度算法进行研究,分析现有英文词对关系相似度算法的优点和不足,提出一种基于潜在语义检索的词对关系相似度算法, 即LSR算法,为了验证LSR算法的性能,采用经典测试集数据(即374道SAT 问题)对本论文提出的LSR算法进行验证。实验结果显示LSR算法在时间性能方面具有明显的优势:实验消耗时间从原来的九天(潜在关系分析算法的实验时间)减少为现在的12小时。其次,针对LSR算法准确率不够高的不足以及基于语义资源的词语语义相关度算法准确率高的优点,设计了一种基于语义增强的词对关系相似度算法,即 SSR算法,实验结果表明SS