基于圖論方法的詞義歸納的研究.pdf

1、詞義歸納（WSI）是一個(gè)開(kāi)放式的自然語(yǔ)言處理的的問(wèn)題，它關(guān)注的是自動(dòng)識(shí)別一個(gè)詞的詞義。詞義通常被一個(gè)詞典定義，但是詞典并不能匯總單詞的所有的解釋?zhuān)貏e是一個(gè)新鮮的解釋?zhuān)蛘咴谝粋€(gè)特定語(yǔ)境下地解釋。因此，詞義歸納對(duì)于識(shí)別一個(gè)給定單詞的所有解釋是十分重要的，是自然語(yǔ)言處理中一項(xiàng)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(gè)出現(xiàn)了目標(biāo)詞的上下文的聚類(lèi)或者是關(guān)聯(lián)構(gòu)建目標(biāo)詞解釋的單詞的聚類(lèi)。每一個(gè)獲得的聚類(lèi)都映射一個(gè)目標(biāo)詞的解釋。為了解決詞義

2、歸納的問(wèn)題，通常有兩種方法被運(yùn)用，基于聚類(lèi)的方法和基于圖的方法。
　　本文基于HyperLex算法提出了一個(gè)基于圖的詞義歸納算法。算法首先構(gòu)建一個(gè)共現(xiàn)圖，圖中的節(jié)點(diǎn)對(duì)應(yīng)出現(xiàn)在目標(biāo)詞上下文的單詞，節(jié)點(diǎn)的邊界反映單詞間的共現(xiàn)關(guān)系和語(yǔ)法關(guān)系。當(dāng)兩個(gè)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(yǔ)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(gè)簡(jiǎn)單地迭代算法并且考慮圖的連通性去獲得中心點(diǎn)。中心點(diǎn)是利用一種考察圖的連通性

3、的方法—KPP算法被識(shí)別出來(lái)的。與HyperLex算法類(lèi)似，中心點(diǎn)就是一個(gè)有許多相鄰節(jié)點(diǎn)的的中心節(jié)點(diǎn)。然后構(gòu)建一個(gè)擴(kuò)展的共現(xiàn)圖，其中目標(biāo)詞自己作為一個(gè)虛擬節(jié)點(diǎn)被連接到圖中，每一個(gè)中心點(diǎn)連接目標(biāo)詞節(jié)點(diǎn)并且設(shè)置一個(gè)權(quán)重值為0的邊界。最終一個(gè)最小生成樹(shù)通過(guò)擴(kuò)展的共現(xiàn)圖被計(jì)算出來(lái)，其中目標(biāo)詞節(jié)點(diǎn)作為最小生成樹(shù)的根節(jié)點(diǎn)，所有的中心點(diǎn)都都作為它一級(jí)子節(jié)點(diǎn)。最小生成樹(shù)可以看作若干棵子樹(shù)，其中每個(gè)中心點(diǎn)是每棵子樹(shù)的根節(jié)點(diǎn)。每棵子樹(shù)識(shí)別一個(gè)目標(biāo)詞的解釋。

4、上述過(guò)程是WSI算法的整體過(guò)程。被改進(jìn)的WSI算法的性能利用一個(gè)含有57個(gè)目標(biāo)詞的被標(biāo)記過(guò)詞義的語(yǔ)料庫(kù)被評(píng)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(píng)估標(biāo)準(zhǔn)，將我們的算法同原始的HyperLex算法比較。對(duì)于57目標(biāo)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(dá)到0.513;同時(shí)選擇利用P-IP算法選擇中心點(diǎn)的方法，P-IP達(dá)到0.