面向文本標識的柔性語義相似性度量方法.pdf

1、信息技術的普及和發(fā)展使得在互聯(lián)網(wǎng)上出現(xiàn)了大量的多媒體內容，人們亟需一種自動有效的方法對這些數(shù)據(jù)進行組織和管理，以用于基于內容的文本分析和追蹤。為了進行高效的語義檢索，指導使用者去找到他們感興趣的主題的開始和結束是很重要的。同時，一個分割好的多媒體文檔也是進行高層次語義瀏覽的重要前提條件。新聞故事分割技術和協(xié)同分割技術的目的就在于將新聞故事文本分割成主題一致的故事序列。從技術上講，新聞故事分割技術和協(xié)同分割技術的效率與兩個因素相關：一是詞

2、語級別和句子級別的語義相似性度量方法；二是用于分割新聞故事腳本的模型和準則。之前的工作都著眼于設計合理的分割模型和準則，而忽略了語義相似性的度量方法。
　　本課題主要研究中文語義相似性的度量以及其在新聞故事分割與協(xié)同分割中的應用。我們將先驗知識劃分為三個級別：(1)0-先驗知識；(2)0.5-先驗知識；(3)1-先驗知識。針對不同級別的先驗知識，構建統(tǒng)一的相關性關系圖，以將上下文相關性、故事內相關性和故事間相關性融合起來。此外，根

3、據(jù)中文詞語的組成特性，我們也將中文漢字和詞語之間的關聯(lián)性考慮進來。之后，通過并行相關性傳播算法獲取詞語級別語義相關性。通過比較子圖之間的相似性來處理詞語的同義性。通過比較詞語在句子中的上下文相似性來處理詞語的多義性。我們對傳統(tǒng)的余弦相似性進行改進，使之能夠將不同詞語之間潛在的語義相似性以及詞語的上下文相似性考慮進來。與傳統(tǒng)的硬性語義相似性相對，我們將本課題中提出的語義相似性度量方法稱為柔性語義相似性。我們將柔性語義相似性分別應用到新聞故