基于概念关系梳理多领域科技主题词表集成研究.pdfVIP

基于概念关系梳理的多领域科技主题词表集成研究 张 宇 北京大学信息管理系 [摘 要] 主题词表的兼容转换与互操作一直是图书情报领域的重要研究课题，特别是基于概念梳理的 跨领域主题词表集成，对语义网的构建以及信息组织与检索的智能化来说，是不可或缺的基础性研究任务。 本文以“交通运输词表”、“汽车工程词表”和“环境科学词表”作为实验对象，进行“新能源汽车”领域的概念集 成实验，并着重就实验中的概念关系梳理与整合问题进行实证研究与探讨。 [关键词] 概念集成 ;概念关系整合 ;集成词表 ; 词表互操作 ; 同义词发现 1 多领域词表集成中的概念关系梳理 本文中所谓“概念关系梳理”某种程度上也可称之为“词间关系梳理”，是指：进行词表集 成时对不同词表中的词间关系(同义关系、等级关系、相关关系)进行兼容、整合并在此基础上 进行新关系发现。概念关系梳理的原因主要有四点：(1)不同词表对同一词汇或概念的含义理 解不同，因此需要在词表集成转换时进行概念梳理，以便词汇能确切转换；(2)不同词表对词间 关系的判定标准和处理方式不同，导致同一组词汇在不同词表中具有完全不同的词间关系，因 此有必要对这些问题加以识别并以恰当方式处理；(3)通过词间关系梳理，有可能改进词汇集 成的效果，扩大词汇集成的范围。 本文中我们将着重从3个方面对概念关系梳理问题进行讨论，即：同义关系梳理、等级关 系梳理和相关关系梳理。 2 同义关系梳理 词表集成过程中，最重要的一项工作就是表间“同义关系发现”。其常规方法包括：基于中 文“同形词”匹配的同义词关系发现；基于词表内“用、代关系”的同义词发现；基于英文词形相 似度的同义词发现，即通过与中文词对应的英文翻译进行相似度计算从而发现同义词。除了 上述常规方法外，我们在词表集成试验中还同时采用了基于等级关系和相关关系的同义关系 挖掘方法。 2．1基于词问关系挖掘的同义关系发现 词表1 词表2 2．1．1 基于等级关系的同义关系挖掘 基于等级关系的同义词挖掘是指：利用 已有的同义词，在其下位词或上位词之间进 行同义关系发现。 (1)下位词同义关系挖掘 下位词通常是对某个叙词“子概念”的 表达，我们在实验中发现，在两组同属于一 个概念的下位词之间可能存在概念等同关 系。图1为“利用下位词进行同义关系发 现”的模式图： 上位词与下位词的关系类似某种形式 图l下位词同义词发现模式图 的“上位类与下位类”关系。下位词可能因 为其上位词的分类思路、方式和标准的不同而各不相同。例如：“港口”可以按照“地理位置” 分为“海港、河港、湖港”；也可以按照“用途”分为“工业港、商港、国际贸易港、出发港、目的港、 旅游港、军港、渔港”等。若不同词表对下位词的处理角度一致，或部分一致，那么二者的下位 词之间就可能存在同义关系。 以当前三个实验词表为例，利用下位词同义关系挖掘得到的同义词数量较为可观，同义词 295 发现比例达为70．4％，其中“新发现同义词”是指利用常规方法没有发现的同义词，比例约占 同义词总数的22．8％。如表1所示。 表1下位词同义发现数据分析 交通VS汽车 交通VS环境 环境VS汽车 存在 新发现 存在 新发现 候选 存在 新发现 候选款目 候选款目 同义词 同义词 同义词 同义词 款目 同义词 同义词 18 ll 0 134 95 26 10 8 0 (2)上位词同义关系挖掘 同样的方法可以应用在“上位词同义关系