-
题名一种基于搭配的中文词汇语义相似度计算方法
被引量：13
- 1
-
-
作者
王石
曹存根
裴亚军
夏飞
-
机构
中国科学院计算技术研究所智能信息处理重点实验室
中国科学院大学
全国科学技术名词审定委员会
-
出处
《中文信息学报》
CSCD
北大核心
2013年第1期7-14,共8页
-
基金
国家自然科学基金资助项目(60573063
60573064
+3 种基金
60773059
61035004)
国家863计划资助项目(2007AA01Z325)
国家社科基金重点资助项目(10AYY003)
-
文摘
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。
-
关键词
语义相似度
词汇搭配
相似度基准测试集
-
Keywords
semantic similarity, word collocation, similarity benchmark set
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合语义改进的K-means短文本聚类算法
被引量：14
- 2
-
-
作者
邱云飞
赵彬
林明明
王伟
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第19期78-83,共6页
-
基金
国家自然科学基金(No.71371091)
辽宁省高等学校杰出青年学者成长计划(No.LJQ2012027)
辽宁省教育厅一般项目(No.L2013131)
-
文摘
针对短文本聚类存在的三个主要挑战,特征关键词的稀疏性、高维空间处理的复杂性和簇的可理解性,提出了一种结合语义改进的K-means短文本聚类算法。该算法通过词语集合表示短文本,缓解了短文本特征关键词的稀疏性问题;通过挖掘短文本集的最大频繁词集获取初始聚类中心,有效克服了K-means聚类算法对初始聚类中心敏感的缺点,解决了簇的理解性问题;通过结合TF-IDF值的语义相似度计算文档之间的相似度,避免了高维空间的运算。实验结果表明,从语义角度出发实现的短文本聚类算法优于传统的短文本聚类算法。
-
关键词
文本挖掘
短文本聚类
K-MEANS算法
最大频繁词集
知网
语义相似度
-
Keywords
text mining
clustering of short text
K-means algorithm
maximum frequent word set
HowNet
semantic similarity
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的基于知网词汇语义褒贬倾向性计算
被引量：15
- 3
-
-
作者
杨昱昺
吴贤伟
-
机构
宁波大红鹰学院电子信息学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2009年第21期91-93,108,共4页
-
基金
浙江省教育厅科研项目(No.20071322)
-
文摘
词汇语义褒贬倾向性研究是句子褒贬倾向性识别的基础,而句子褒贬倾向性识别又是文本倾向性识别和篇章结构褒贬倾向性识别的基础。以《知网》的词汇语义相似度计算为基础,针对目前采用计算基准词对与词汇相似度的方法识别词汇褒贬倾向性理论,从褒贬基准词和计算公式入手,提出了改进办法。实验证明,在同样基准词对下,准确率得到了很大的提高,达到98.94%,具有实际应用价值。
-
关键词
语义相似度
倾向性识别
知网
褒贬基准词
-
Keywords
semantic similarity
tendentiousness recognition
HowNet
appraise benchmark words
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
