挖掘语义分析：一种用于文本数据语义表示的新概念空间模型

挖掘语义分析（Mined Semantic Analysis, MSA）是一种新颖的概念空间模型，它采用无监督学习来生成文本的语义表示。MSA 将文本结构（词项、短语、文档）表示为概念袋（Bag of Concepts, BoC），其中的概念源自富含概念的百科语料库。传统的概念空间模型仅利用目标语料库内容来构建概念空间。与之不同，MSA 通过挖掘概念间的关联（例如挖掘维基百科的“参见”链接图）来揭示概念之间的隐式关系。我们在用于衡量词与句子语义相关性的基准数据集上评估了 MSA 的性能。实证结果表明，与先前最先进的方法相比，MSA 具有竞争力。此外，我们引入了首项分析研究，以检验不同语义相关性方法所报告结果的统计显著性。我们的研究表明，顶尖方法间结果的细微差异可能在统计上不显著。该研究将 MSA 定位为衡量语义相关性的最先进方法之一，此外其生成的语义表示具有内在的可解释性与简洁性。