利用非分类关系度量 WordNet 中的语义相似性与相关性
计算与语言
2021-01-11 v1
摘要
计算语言学和人工智能领域的各种应用采用语义相似性来解决具有挑战性的任务，例如词义消歧、文本分类、信息检索、机器翻译和文档聚类。先前关于语义相似性的工作遵循单关系方法，主要使用分类关系“ISA”。本文探讨了在大型链接数据（如 WordNet 知识图谱）中使用所有类型的非分类关系来增强现有语义相似性和相关性度量的益处。我们提出了一种整体的多关系方法，该方法基于新的基于关系的信息内容和基于非分类关系的加权路径，以设计一种全面的语义相似性和相关性度量。为了证明在知识图谱中利用非分类关系的益处，我们使用了三种策略在不同粒度级别上部署非分类关系。我们在四个著名的黄金标准数据集上进行了实验，结果表明所提出的语义相似性和相关性度量具有鲁棒性和可扩展性，显著改进了现有的相似性度量。
引用
@article{arxiv.2006.12106,
title = {Exploiting Non-Taxonomic Relations for Measuring Semantic Similarity and Relatedness in WordNet},
author = {Mohannad AlMousa and Rachid Benlamri and Richard Khoury},
journal= {arXiv preprint arXiv:2006.12106},
year = {2021}
}