语义相关度算法在主题抽取中的适用性研究

语义相关度的计算方法在信息检索、文本挖掘和自然语言处理等方面有着广泛的应用，而其算法种类很多，这些算法针对不同的应用环境具有不同的适用性。本文汇总了多种语义相关度的计算方法，首先全面地概括分析了各类方法的特点，并以应急预案的主题抽取为背景，通过各种语义相关度算法在基于词汇链的主题抽取中的应用，研究了各种算法对主题抽取效果的影响，从而对各种算法在主题抽取中的适用性给出了相应的评价。

基于词汇链的应急预案主题抽取方法研究

本文针对应急预案自动主题抽取的需求，采用词汇语义相关度计算的方法，构建了一个基于词汇链算法且符合人的主观感受的主题抽取模型。模型根据应急预案文本的特点，运用了自然语言处理技术，改进了原始的词汇链生成算法，提出了一种多因素词语权重算法。通过与人工抽取主题词的实验结果相比较，该主题提取模型在查全率和查准率上都取得了较好的效果。

一种基于事实知识的实体相关度计算方法

在近来出现的面向实体的搜索服务中,准确地预测实体间的相关程度是至关重要的。该文提出了一种基于实体的事实知识,即利用"实体—属性—属性值"(SPO)记录进行实体相关度计算的方法。该文通过基于属性和属性值的两步概率估计,将实体表示为一个属性值词的概率分布列,并通过比对两个实体共享的属性值词汇得出二者的相关度。实验表明,在用于面向实体搜索的相关实体排序问题上,该文方法达到了80.9%的平均top-5准确率,优于词袋方法和基于查询日志共现的方法。此外,该文通过定量分析,考察了不同领域的用户需求特性对实体相关度计算结果的影响。