基于圖論方法的詞義歸納的研究.pdf

1、詞義歸納（WSI）是一個開放式的自然語言處理的的問題，它關(guān)注的是自動識別一個詞的詞義。詞義通常被一個詞典定義，但是詞典并不能匯總單詞的所有的解釋，特別是一個新鮮的解釋，或者在一個特定語境下地解釋。因此，詞義歸納對于識別一個給定單詞的所有解釋是十分重要的，是自然語言處理中一項必不可少的研究之一。通常，詞義歸納的任務(wù)是構(gòu)建一個出現(xiàn)了目標詞的上下文的聚類或者是關(guān)聯(lián)構(gòu)建目標詞解釋的單詞的聚類。每一個獲得的聚類都映射一個目標詞的解釋。為了解決詞義

2、歸納的問題，通常有兩種方法被運用，基于聚類的方法和基于圖的方法。
　　本文基于HyperLex算法提出了一個基于圖的詞義歸納算法。算法首先構(gòu)建一個共現(xiàn)圖，圖中的節(jié)點對應(yīng)出現(xiàn)在目標詞上下文的單詞，節(jié)點的邊界反映單詞間的共現(xiàn)關(guān)系和語法關(guān)系。當(dāng)兩個單詞間在文中出現(xiàn)高頻率的共現(xiàn)關(guān)系和任何一種的語法關(guān)系，它們之間的邊界權(quán)重值將非常小。一旦共現(xiàn)圖被構(gòu)建完成，將利用一個簡單地迭代算法并且考慮圖的連通性去獲得中心點。中心點是利用一種考察圖的連通性

3、的方法—KPP算法被識別出來的。與HyperLex算法類似，中心點就是一個有許多相鄰節(jié)點的的中心節(jié)點。然后構(gòu)建一個擴展的共現(xiàn)圖，其中目標詞自己作為一個虛擬節(jié)點被連接到圖中，每一個中心點連接目標詞節(jié)點并且設(shè)置一個權(quán)重值為0的邊界。最終一個最小生成樹通過擴展的共現(xiàn)圖被計算出來，其中目標詞節(jié)點作為最小生成樹的根節(jié)點，所有的中心點都都作為它一級子節(jié)點。最小生成樹可以看作若干棵子樹，其中每個中心點是每棵子樹的根節(jié)點。每棵子樹識別一個目標詞的解釋。

4、上述過程是WSI算法的整體過程。被改進的WSI算法的性能利用一個含有57個目標詞的被標記過詞義的語料庫被評估。我們選擇Purity（P），Inverse Purity（IP）和它們的調(diào)和平均數(shù)（P-IP）作為我們的評估標準，將我們的算法同原始的HyperLex算法比較。對于57目標詞的平均結(jié)果，原始HyperLex算法的P-IP獲得0.482；被優(yōu)化參數(shù)后P-IP達到0.513;同時選擇利用P-IP算法選擇中心點的方法，P-IP達到0.