面向文本標識的柔性語義相似性度量方法.pdf

1、信息技術(shù)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(nèi)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(nèi)容的文本分析和追蹤。為了進行高效的語義檢索，指導(dǎo)使用者去找到他們感興趣的主題的開始和結(jié)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(shù)和協(xié)同分割技術(shù)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(shù)上講，新聞故事分割技術(shù)和協(xié)同分割技術(shù)的效率與兩個因素相關(guān)：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(shè)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(yīng)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(gòu)建統(tǒng)一的相關(guān)性關(guān)系圖，以將上下文相關(guān)性、故事內(nèi)相關(guān)性和故事間相關(guān)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(guān)聯(lián)性考慮進來。之后，通過并行相關(guān)性傳播算法獲取詞語級別語義相關(guān)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?qū)⒉煌~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(yīng)用到新聞故