主謂關系識別與主題相關性計算技術研究.pdf

1、近年來，隨著社會的不斷發(fā)展和科學技術的不斷進步，信息飛速增長。信息爆炸帶來了電子文檔的快增長，文檔的檢索、分類和管理變得越來越困難。傳統(tǒng)的文本處理技術使用兩個文檔的相似性去代替兩個文檔的主題相關性，但是很多情況下相似未必相關，相關也不一定相似。本文研究的文檔主題相關性計算技術正是實現(xiàn)文檔關系的自動判別的關鍵技術。
　　 主題相關性計算，是指通過某種手段去計算給定的兩個文檔在內容主題上的相關程度。大量的研究表明，一個包含大量實體及

2、其領域背景的大規(guī)模漢語領域知識庫對許多技術包括相關性計算的改善都具有很重要的價值。詞與詞之間的關系分析是獲取領域知識的重要途徑。
　　 本文首先研究的主謂關系獲取技術對獲取領域知識是很有幫助的。本文定義的主謂關系就是指在一個名詞作為一個句子主語的前提下，另外一個動詞可以同時作為這個句子的謂語動詞。本文在傳統(tǒng)的統(tǒng)計搭配分析技術的基礎上引入了啟發(fā)性規(guī)則和句法信息分析主謂關系。
　　 主題相關性計算技術是本文研究的主要內容。本

3、文首先把向量空間模型(vsM)應用到主題相關性計算中，使用余弦相似度計算的方法進行相關性計算。針對向量空間模型本身存在重要特征常被大量判別能力較弱的特征湮沒的問題，本文使用基于tf_idf閾值的關鍵詞抽取算法對文檔進行關鍵詞抽取。為了解決不同特征之間存在的潛在匹配關系，本文引入同義詞詞林，計算向量的語義相似度和改進的語義相似度。最后本文引入了領域知識庫，通過計算文本之間的領域分布特性，改善主題相關性計算技術。本文把主題相關性計算技術應用