一种基于搭配的中文词汇语义相似度计算方法

• 作者: 夏飞 曹存根 王石 裴亚军
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 语义相似度 词汇搭配 相似度基准测试集
• 年，卷（期）: 2013,（1）
• 页码范围: 7-14
• 页数: 8页
• 分类号: TP391
• 字数: 6787字
• 语种: 中文

摘要

词汇间的语义相似度计算在自然语言处理相关的许多应用中有基础作用.该文提出了一种新的计算方法,具有高效实用、准确率较高的特点.该方法从传统的分布相似度假设“相似的词汇出现在相似的上下文中”出发,提出不再采用词汇在句子中的邻接词,而是采用词汇在二词名词短语中的搭配词作为其上下文,将更能体现词汇的语义特征,可取得更好的计算结果.在自动构建大规模二词名词短语的基础上,首先基于tf-idf构造直接和间接搭配词向量,然后通过计算搭配词向量间的余弦距离得到词汇间的语义相似度.为了便于与相关方法比较,构建了基于人工评分的中文词汇语义相似度基准测试集,在该测试集中的名、动、形容词中,方法分别得到了0.703、0.509、0.700的相关系数,及100％的覆盖率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹存根	中国科学院计算技术研究所智能信息处理重点实验室	91	991	17.0	27.0
2	王石	中国科学院计算技术研究所智能信息处理重点实验室	23	178	7.0	12.0
3	裴亚军		10	50	4.0	7.0
4	夏飞	中国科学院计算技术研究所智能信息处理重点实验室	2	30	2.0	2.0