一种融合百科、本体与搭配知识的语义相关度度量方法
计算与语言
2011-08-23 v2
摘要
我们提出了一种新的语义相关度度量方法，该方法结合了基于维基百科的显式语义分析（Explicit Semantic Analysis）度量、WordNet 路径度量以及混合搭配索引。我们的方法在 WS-353 测试集上取得了目前最高的结果：直接应用该度量时，斯皮尔曼等级相关系数（Spearman rho coefficient）达到 0.79（对比 Gabrilovich 和 Markovitch 2007 年的 0.75）；当使用基于我们度量训练的多项式支持向量机（SVM）分类器进行预测时，该值达到 0.87（对比 Agirre 等人 2009 年的 0.78）。在附录中，我们讨论了将显式语义分析（ESA）适配到 2011 年维基百科数据的情况，以及在词、句子和篇章级别进行过滤以增强 ESA 的各种未成功尝试。
引用
@article{arxiv.1107.4723,
title = {A Semantic Relatedness Measure Based on Combined Encyclopedic, Ontological and Collocational Knowledge},
author = {Yannis Haralambous and Vitaly Klyuev},
journal= {arXiv preprint arXiv:1107.4723},
year = {2011}
}
备注
6 pages, 6 figures, accepted for publication at IJCNLP2011 Conference