文本語(yǔ)義相似度研究.pdf

1、在這個(gè)信息爆炸的時(shí)代里,我們所能接觸到的信息成指數(shù)級(jí)增長(zhǎng)。為了方便人們以最快速度獲取信息,文本語(yǔ)義相似度(Semantic Textual Similarity, STS)研究的應(yīng)用領(lǐng)域不斷擴(kuò)大,涵蓋了自然語(yǔ)言處理的各個(gè)方面,如信息檢索、自動(dòng)問(wèn)答、機(jī)器翻譯等等,其性能的優(yōu)劣直接影響著自然語(yǔ)言處理系統(tǒng)的工作質(zhì)量。
　　本文基于FrameNet資源,針對(duì)文本語(yǔ)義相似度研究的任務(wù),在新聞、視頻描述、詞典注釋映射和翻譯評(píng)測(cè)語(yǔ)料上,利用線性

2、插值模型(Linear Interpolation Model, L IM),從詞重疊、語(yǔ)法、語(yǔ)義三個(gè)方面對(duì)文本片段對(duì)進(jìn)行度量。
　　本文的主要研究成果如下:
　　(1)提出了基于FrameNet資源、WordNet知識(shí)庫(kù)、向量空間模型(Vector Space Model, V S M)的三種文本相似度模型,并利用線性插值的方法將它們集成化形成LIM-based模型,該模型的平均Pearson系數(shù)達(dá)0.5458。
　

3、　(2)本文將含有深層次的句法語(yǔ)義關(guān)系的LIM-based模型與只包含句法信息的基于樹核函數(shù)文本相似度模型作比較,發(fā)現(xiàn)包含深層次句法語(yǔ)義關(guān)系的STS模型在各種類型的語(yǔ)料中結(jié)果最為穩(wěn)定。
　　文本的主要貢獻(xiàn)在于引入FrameNet資源計(jì)算英文文本對(duì)的相似度,通過(guò)與基于樹核函數(shù)的相似度模型的對(duì)比,分析了深層句法語(yǔ)義關(guān)系與表層語(yǔ)法關(guān)系的不同,這些結(jié)論都將為今后面向大規(guī)模、開放式的文本語(yǔ)義相似度研究提供重要的依據(jù)。提出的LIM-based