文本間語(yǔ)義相關(guān)性計(jì)算及其應(yīng)用研究.pdf

1、在信息飛速膨脹的當(dāng)今世界，文本由于其表達(dá)靈活、信息容量大以及最為關(guān)鍵的人性化特點(diǎn)，一直是信息傳播和存儲(chǔ)的主要形式。如何對(duì)浩如煙海的文本數(shù)據(jù)進(jìn)行處理,幫助人們更好地管理和使用這些數(shù)據(jù)，是如今這個(gè)信息時(shí)代需要研究和解決的根本問題之一。而對(duì)文本之間的關(guān)系進(jìn)行考查，將這些紛雜的文本依據(jù)它們的內(nèi)容進(jìn)行合理的關(guān)聯(lián)和區(qū)分，從而使更加復(fù)雜和深入的后續(xù)處理能夠被順暢的應(yīng)用，則成為文本信息處理的首要內(nèi)容。
　　長(zhǎng)期以來，由于計(jì)算機(jī)領(lǐng)域的研究者們?nèi)狈?duì)

2、相關(guān)性概念的深入思考，使得在文本間關(guān)系的考察中，以相似性度量代替相關(guān)性度量的方法長(zhǎng)期占據(jù)主流地位。盡管在一些情況下，相似性度量能夠在一定程度上模擬相關(guān)性度量。但是，在很多著重強(qiáng)調(diào)考察文本之間關(guān)聯(lián)程度而非相似程度的應(yīng)用當(dāng)中，由于此類方法的出發(fā)點(diǎn)與應(yīng)用的關(guān)注目標(biāo)之間存在偏差，因此往往不能很好的滿足應(yīng)用對(duì)計(jì)算效果的要求。
　　本文借助認(rèn)知科學(xué)與信息科學(xué)等多個(gè)領(lǐng)域的研究者對(duì)相關(guān)概念的實(shí)質(zhì)所進(jìn)行的深入分析，在現(xiàn)有的技術(shù)條件下，對(duì)用戶的一般性

3、知識(shí)基礎(chǔ)加以利用，在語(yǔ)義層面上通過對(duì)系統(tǒng)角度的相關(guān)性計(jì)算模式進(jìn)行改進(jìn)，使之向用戶角度的相關(guān)性計(jì)算靠近，對(duì)人類的相關(guān)判斷行為進(jìn)行模擬。針對(duì)語(yǔ)句和文檔這兩種不同規(guī)模和級(jí)別的文本，本文對(duì)它們的相關(guān)性計(jì)算方法分別進(jìn)行了研究，并探討了它們各自在相關(guān)領(lǐng)域中的應(yīng)用。具體內(nèi)容包括以下幾個(gè)方面。
　　面向自動(dòng)問答系統(tǒng)中候選答案語(yǔ)句抽取的任務(wù)，提出了基于系統(tǒng)相似理論的加強(qiáng)型系統(tǒng)相似模型，用以對(duì)問答系統(tǒng)中用戶查詢問句與候選文檔問句之間的關(guān)系進(jìn)行計(jì)算。該

4、模型引入候選答案要素，賦予其相應(yīng)的模擬相似度，使其對(duì)語(yǔ)句之間相似度產(chǎn)生正向貢獻(xiàn)，進(jìn)而實(shí)現(xiàn)相似性度量到相關(guān)性度量的轉(zhuǎn)變，更加準(zhǔn)確地滿足問答系統(tǒng)的需求。以該語(yǔ)句相關(guān)性計(jì)算方法為主要?jiǎng)?chuàng)新點(diǎn)的問答系統(tǒng)在目前國(guó)際權(quán)威的問答系統(tǒng)評(píng)測(cè)中獲得了優(yōu)異的評(píng)測(cè)成績(jī)，同時(shí)，在此評(píng)測(cè)數(shù)據(jù)集上針對(duì)該方法的測(cè)試結(jié)果也體現(xiàn)了該方法性能的優(yōu)越性。
　　除了對(duì)語(yǔ)句一級(jí)的文本間語(yǔ)義相關(guān)性計(jì)算方法進(jìn)行研究，本文對(duì)文檔之間的相關(guān)性度量也提出了新的計(jì)算方法。利用文檔所具有的

5、詞匯集聚特性，借助語(yǔ)義辭典等知識(shí)源，本文對(duì)文檔中詞語(yǔ)間的語(yǔ)義鏈接關(guān)系進(jìn)行了定義與考察，并以之為基礎(chǔ)提出了文檔的詞匯鏈形式化表示、詞匯鏈權(quán)重計(jì)算，以及相應(yīng)的文檔匹配等方法。在對(duì)人類相關(guān)性判斷行為的特點(diǎn)進(jìn)行分析的基礎(chǔ)上，提出了利用文本分類對(duì)相關(guān)性計(jì)算效果進(jìn)行考察的評(píng)價(jià)方法。實(shí)驗(yàn)證明，基于詞匯集聚的文檔相關(guān)性計(jì)算方法取得了良好的計(jì)算效果。
　　在此基礎(chǔ)之上，本文提出了可調(diào)節(jié)距離的詞匯間鏈接關(guān)系定義方法，并且對(duì)文檔詞匯集聚所形成的詞簇的內(nèi)

6、部結(jié)構(gòu)做了進(jìn)一步的分析，提出了對(duì)詞簇結(jié)構(gòu)信息加以利用的基于結(jié)構(gòu)化詞匯集聚的文檔相關(guān)性計(jì)算方法。在相關(guān)實(shí)驗(yàn)中，該計(jì)算方法的優(yōu)越性得到了充分的證實(shí)。
　　此外，面向藥物開發(fā)過程中，藥代動(dòng)力學(xué)模型訓(xùn)練所需的相關(guān)參數(shù)缺乏的問題，本文對(duì)基于詞匯集聚的文本相關(guān)性計(jì)算方法在生物醫(yī)藥領(lǐng)域藥代動(dòng)力學(xué)參數(shù)相關(guān)文檔過濾中的應(yīng)用進(jìn)行了研究，同時(shí)包括了系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)以及針對(duì)應(yīng)用領(lǐng)域的特點(diǎn)所采取的特殊的文本預(yù)處理方法。在針對(duì)酶作用物、引物和抑制劑三個(gè)類別的8