中文WordNet的研究及实现

提出了一种从英文WordNet转换生成中文WordNet的方法 ,并设计实现了中文WordNet的转换生成系统·论述了在构造中文WordNet的语义网络时 ,概念结点的转换原则 ,中文词形与词义映射关系的重新聚合 ,以及转换生成中文WordNet的可行性及转换中的相关问题 。

基于组合词和同义词集的关键词提取算法

为了提高关键词的提取准确率,在对现有关键词抽取方法进行研究的基础之上,针对影响关键词提取准确率的分词技术、同义词现象等难点,提出了一种基于组合词和同义词集的关键词提取算法。该算法首先利用组合词识别算法极大地改进分词效果,能识别网页上绝大多数的新词、未登录词,为提高关键词自动抽取准确率奠定了坚实的基础;同时利用构造的同义词集,合并同义词的词频,避免了同义词在输出结果中同现;利用综合评分公式,充分考虑候选关键词的位置、长度、词性等特性。实验数据表明,该方法有较高的提取准确率。

WordNet综述

WordNet是一个在线的词典参照系统 ,它是在当前基于人类词汇记忆的心理语言学理论推动下产生的。这个系统中的名词、动词和形容词都聚类为代表某一基本词汇概念的同义词集合 。

基于本体词汇的三维模型语义检索

描述了一个基于本体词汇的三维模型语义检索的方法。该方法首先对一个三维模型库的词汇进行语义上扩充,然后基于关键词进行检索,而不是做简单的文字匹配。其主要工作是利用WordNet英文本体和Jena推理引擎构建一个语义网络,然后在该语义网络上做推理查询,检索到相应的语义结果。实验结果表明,该方法能有效地将一个分类不够丰富的模型库的词汇做较大的扩充,使其覆盖的范围扩大,同时保证扩充的词汇和原有词汇在语义上的相关性,从而提高基于语义关键词检索三维模型的有效性。

基于特征词关联性的同义词集挖掘算法

一词多义和多词同义是语言中广泛存在的现象,它给自然语言处理带来了很多困难,解决这个难题的有效办法是建立包含上下文信息的同义词集。深入分析了概念、词汇和特征词三者的内在关系,并在此基础上提出了一种基于同义词汇的特征词的关联性,从文本中挖掘同义词集的算法。根据特征词之间存在关联性的特点,算法以成熟的关联规则挖掘算法作为基础,获得了明显优于同类算法的实验效果。算法获得的同义词集附带上下文信息,可有效解决文本中词汇的多义性和同义性问题。

结合情感词网的中文短文本情感分类

针对短文本特征稀疏、信息量少等问题,提出了结合情感词网的中文短文本情感分类方法。该方法利用大规模语料库和同义词集合构建可以表示词—词、词—对象之间关系的情感词网,通过此情感词网在权重以及特征集合对短文本的特征进行了相应的扩展,并结合机器学习分类方法进行情感分类。实验表明,该方法具有较高的准确率和召回率,有效地解决了短文本情感分类中的特征稀疏、信息量不足的问题。

基于潜语义分析的概念名称相似度算法

概念名称是本体映射中的一个重要要素。针对目前概念名称相似度计算中存在的概念名称多义性问题,提出一种改进的算法。该算法结合概念注释和义项解释,利用潜语义分析,明确概念在Wordnet中对应的义项,在一定程度上提高了相似度计算的准确度。实验表明该方法是切实可行的。

CCD及其应用

介绍与WordNet兼容的中文概念词典(ChineseConceptDictionary,CCD)的结构与构建方法,报告了北京大学计算语言学研究所CCD的研究与工程进展状况,并指出CCD在中文信息处理领域的应用前景.

基于核心概念集的多语言Ontology

随着W eb资源的日益丰富,人们需要跨语言的知识共享和信息检索。一个多语言Ontology可以用来刻画不同语言相关领域的知识,克服不同文化和不同语言带来的障碍。对现有的构建多语言Ontology方法进行分析和比较,提出一种基于核心概念集的多语言Ontology的构建方法,用一个独立于特定语言的Ontology以及来自不同自然语言的定义和词汇的同义词集来描述相关领域的概念。用该方法构建的Ontology具有良好的扩展能力、表达能力和推理能力,特别适合分布式环境下大型Ontology的创建。

语义分析与TF-IDF方法相结合的新闻推荐技术

在新闻项目的推荐系统中,通常使用TF-IDF权重技术结合余弦相似性度量方法,然而这种技术没有考虑到文字本身的实际语义,因此,提出了基于内容和语义分析相结合的一种新方法。此方法将同义词集合的逆文档频率及语义相似性相结合,采用WordNet同义词集合做相似性计算。构建用户配置文件进行实验测试,验证了该方法的有效性。实验结果表明,提出的语义方法性能优于TF-IDF方法。

基于概念特征的汉语交互类言说动词语义分析及同义词群的建构

人工智能的最重要内容之一是自然语言处理,建设词汇语义知识库是语言信息处理技术取得进步的重要保障。目前国内外基于同义词群(Synset)的词网研究存在结构不甚严谨,语义颗粒度不够精细,应用范围比较有限的问题。以"词群—词位"变体理论为基础建立多维特征概念语义网(Multi-D WordNet)是对这些问题进行解决的有效尝试,通过分析与描写基本词位(概念本体)与变体之间、变体与变体之间的关系,找出概念属性的差异,从而构建颗粒度更为精细的同义词群。言说动词的次范畴类"交互类"动词可作为研究个案,初步用来探讨这类典型词的语义结构及词群系统的建构规律。

语义网格中的相似度算法研究

在网格中实现更加准确有效的服务发现、查询及其动态分配和替换,需要在语法匹配的基础上进一步实现语义匹配。语义匹配的关键在于语义相似度的计算。本文首先分析传统的相似度计算方法的特点以及存在的问题,提出一种新的改进算法。改进的算法考虑了深度影响因素,并引入多种语义关系且对这些关系分别赋予不同的权值,最后给信息量赋予了一种新的度量方法;文章最后给出相关实验结果,并比较了各算法的有效性。

基于Word2Vec的WordNet词语相似度计算研究

当前大部分WordNet词语相似度计算方法由于未充分考虑词语的语义信息和位置关系,导致相似度的准确率降低。为解决上述问题,提出了一种使用词向量模型Word2Vec计算WordNet词语相似度的新方法。在构建WordNet数据集时提出一种新形式,不再使用传统的文本语料库,同时提出信息位置排列方法对数据集加以处理。利用Word2Vec模型训练WordNet数据集后得到向量表示。在公开的R&G-65、M&C-30和MED38词语相似度测评集上完成了词语相似度计算任务,从多个角度进行了Pearson相关系数对比实验。结果显示该文计算的相似度值与人工判定值计算取得的Pearson相关系数指标得到了显著提升。

基于术语原形化的英文同义词群构建方法研究

介绍了词干提取和词形还原两种词形规范方式以及基于规则和基于词典的两种词形规范实现方法,阐述了基于术语原形化的同义词群构建的基本原理,同时对术语原形化的基本处理方式、通过单词字顺排序构建同义词群以及原形化过程中的排序和词性等问题进行了分析和论述,最后指出对缩略语需进行特殊处理,并针对原形化方法的不足之处提出辅以人工判断和其他同义词获取方法的必要性。

中文概念词典的结构

中文概念词典 (ChineseConceptDictionary ,简称CCD)是北京大学计算语言学研究所开发的与WordNet兼容的汉语语义词典。本文着重描述了CCD的结构 :CCD中的“概念”用同义词的集合定义 ,CCD的主关系———概念之间的继承关系 (即上下位关系 )和一些附加关系使得CCD形成一个概念网络 ,其上的演绎规则是严格形式化了的 。

动词“想”的基本义及其同义词群建构

通过对心理动词"想"的本义在现代汉语词典中的义项进行分离、描述,并参照"想"的本义,确立"想"的基本词位"想1"。进而运用"词群-词位变体"理论以及"句法/语义"分析法,描述"想1"的上位变体、下位变体、同位变体、邻位变体及其同义词群系统。