基于证据理论的单词语义相似度度量
单词语义相似度度量一直是自然语言处理领域的经典和热点问题,其成果可对词义消歧、机器翻译、本体映射、计算语言学等应用具有重要影响.本文通过结合证据理论和知识库,提出一个新颖的度量单词语义相似度度量途径.首先,借助通用本体WordNet 获取证据；其次,利用散点图分析证据的合理性；然后,使用统计和分段线性插值生成基本信任分配函数；最后,结合证据冲突处理、重要度分配和D-S 合成规则实现信息融合获得全局基本信任分配函数,并在此基础上量化单词语义相似度.在数据集R&G(65)上,对比本文算法评判结果与人类评判结果的相关度,采用5折交叉验证对算法进行分析,相关度达到0.912,比当前最优方法P&S高出0.4个百分点,比经典算法reLHS、distJC、simLC、simL和simR高出7%～13%；在数据集M&C(30)和WordSim353上也取得了比较好的实验结果,相关度分别为0.915和0.941；且算法的运行效率和经典算法相当.实验结果显示使用证据理论解决单词语义相似度问题是合理有效的.
词计算、统计学习、证据理论、不确定性度量
TP3;TN9
国家自然科学基金60903098,60973040,61300148,61472049;吉林省重点科技攻关项目20130206051GX;吉林省科技计划青年基金项目20130522112JH资助@@@@ Supported by National Natural Science Foundation of China60903098,60973040,61300148,61472049;Key Scientiˉc and Technological Break-through Program of Jilin Province20130206051GX;Science and Technology Planning Youth Fund Project of Jilin Province20130522112JH
2015-07-07（万方平台首次上网日期，不代表论文的发表时间）
共14页
1173-1186
