基于概念图模型词汇多源释义融合的研究.doc

A Dissertation Submitted to Shanghai Jiao Tong University for the Degree of Master RESEARCH ON THE FUSION OF MULTI-SOURCE INTERPRETATIONS BASED ON CONCEPTUAL GRAPH Author: Wang Suitao Specialty: Computer Application Technology Advisor: Prof. Ru-zhan Lu School of Electronics and Electric Engineering Shanghai Jiao Tong University January, 2010 上海交通大学硕士学位论文 基于概念图模型的词汇多源释义的融合研究 摘 要 随着计算机的普及以及互联网的迅猛发展，网络上的各种信息呈 爆炸式的增长，传统的采用布尔检索模型的中文信息检索已经越来越 不能满足人们的需要，以汉语内涵语义分析作为着眼点的概念信息检 索成为目前中文信息检索的一个新的发展方向。基于概念图模型理论 的概念信息检索包括用户需求的概念分析、概念图的标引以及概念图 的匹配。其中概念图标引质量的好坏很大程度上影响着整个信息检索 系统的性能。为了提高概念图标引的准确率和对已有的概念图标引结 果提供校验，本文作者旨在构建一个知识完备、内容翔实、信息准确 的相关领域概念知识库，以期为进一步构建实体概念内涵关系网络、 改进和完善基于概念的信息检索提供了必要的基础资源。 为了构建这样的一个领域知识库，本文工作选择了知识丰富权威、 信息组织规范的机器可读词典作为知识库的源语料。然而以往的词典 知识抽取大都针对一部词典，忽略了多部词典内涵信息之间的相容性 和互补性。因此本文在已有工作的基础上尝试着提出一种机读词典内 涵属性信息抽取的改进方法，目标是使知识来源多样化并能够在保证 一定的知识覆盖面的同时达到可以接受的准确率，通过新的方法构建 合适的机读词典领域知识库不但可以为概念图的标引提供准确的知 识信息，也可以为用户的需求分析和需求与 snippet的标引提供校验， 具有很强的实际意义。 本文的研究是以概念图模型理论为基础的。本文的工作内容及贡 献主要如下： 1. 尝试了同时对《现代汉语词典》和《现代汉语规范词典》的 I 上海交通大学硕士学位论文 内涵属性信息抽取和融合，得到的以实体-内涵属性值关系对形式表 示的内涵属性信息尽量综合两部词典的知识，可以直接应用于概念图 的标引和校验，避免再对词典释义进行概念分析，提高标引的效率和 准确率。 2．尝试了采用模式聚类方法对抽取模式进行分类。通过对抽取 模式进行聚类并按内涵属性类型划分为不同的簇，再按照不同的簇从 词典中抽取出不同内涵属性类型的内涵属性值。这样就极大的降低了 识别抽取模式的内涵属性类型的人力消耗。 3. 尝试了将语义相似度计算引入到抽取模式的聚类中。通过计 算抽取模式的上下文之间的语义相似度可以降低模式聚类的错分率， 提高词典内涵属性值抽取的准确率。 本文的研究对多部词典词汇释义的内涵属性信息的抽取和融合 进行了探索，目标为概念图标引和概念信息检索提供一些基础资源和 方法研究的思路。 关键词： 概念图，机读词典，抽取模式，融合 II 上海交通大学硕士学位论文 Research on the Fusion of Multi-source Interpretations Based on Conceptual Graph ABSTRACT With the rapid development of Internet and the explosive growth of the information from the web, the CIR(Chinese Information Retrieval ) based on the boolean model cannot meet peoples needs and the CCIR(Chinese Conceptual Information Retrieval) based on the Chinese Semantic Analysis is a new development point. The CCIR based on the CG (conceptual graph) includes the demand concept analysis、the CG annotation and match and the CG annotation can significantly affect the performance