基于最大信息系数的多变量间相关关系度量方法研究

相关性分析因其能快速发现数据间潜在的关系而变得越来越重要了.在现实生活中,人们经常要分析多变量间的相关性大小.鉴于此,提出一种能够度量多变量间相关关系的度量方法——多变量间的最大互信息系数(Multi-variable Maximal Mutual Information Coefficient, Mv_MMIC),该方法能够探测多变量间广泛的相关关系,这里的广泛相关关系包括线性和非线性的函数型关系,甚至所有的函数型关系.首先利用最大互信息系数MIC (Mutual Information Coefficient)构建最大互信息系数矩阵,然后基于矩阵的特征分解原理,利用最大互信息系数矩阵的特征值构建出度量多变量间相关关系的度量方法,把度量两个随机变量间的相关关系的方法MIC巧妙地从两纬度的度量准则推广到度量多变量间的相关性的多维度度量准则中,最后通过实验证明:多变量间的最大互信息系数Mv_MMIC保留了MIC的通用性和公平性的优点,具有一定的理论研究和实际应用价值.

汉语方位短语中的概念及介词共现模式研究

中文的方位短语主要可以由前饰词(如,以、之)与后缀词(如,边、面、头)组合而成,结合了明确的方向指引(如,前后、上下、左右、里外等)。这样的组成会避免在实际使用上不存在的组合逻辑,而此现象在方位短语的构成中同样可见。本研究旨在分析从Sketch Engine中提取出的中文方位名词短语的概念合成模式,并使用具有知识层级架构的中文同义词词林(梅家驹等1983)来计算方位短句里所包含的知识概念组成模式,试图从统计方法上寻得在十亿字中文语料库里诠释方位词组组合模式的实证信息。本研究运用互信息法(Point-wise Mutual Information,PMI)计算两个概念间的相关性,并使用多变量互信息法(Multivariate Mutual Information,MMI)(Cruys 2011)计算3个概念间的相关性,最后亦针对方位短语中适用的介词及适用的方位词构词进行分析。本研究的统计结果除了能了解所选语料库使用方位名词的情况外,亦能从单一及成对出现的语境概念内容(描述人、物、时空等)在同义词词林中第一阶层的名词,分析各种方位短语使用前饰词与后缀语的搭配方式。期盼本研究能对方位词汇的分析提供参考模式。