詞匯知識系統(tǒng)動態(tài)構(gòu)建方法研究與工具實現(xiàn).pdf

1、目前，知識服務(wù)作為一種新的服務(wù)模式已經(jīng)成為信息服務(wù)領(lǐng)域的重點研究對象。作為知識服務(wù)的重要基礎(chǔ)研究領(lǐng)域之一，以詞匯為代表的詞匯知識系統(tǒng)(簡稱，詞系統(tǒng)?)的研究成為當(dāng)前知識服務(wù)研究領(lǐng)域的熱點和重點。而詞匯知識系統(tǒng)的動態(tài)更新問題是詞匯知識系統(tǒng)研究中重點待解決的問題。尤其隨著Internet的發(fā)展，對該問題解決方案的需求尤為迫切。一方面，Internet的發(fā)展，把信息的交互和傳遞推向制高點。信息每天以海量增加，新詞匯的產(chǎn)生速度越來越快。新詞匯的

2、大量產(chǎn)生和廣為流行，成為新時期漢語詞匯發(fā)展的一個突出現(xiàn)象。另一方面，目前不同行業(yè)領(lǐng)域存在各種各樣的、不同類型的詞匯知識庫。通過調(diào)研我們發(fā)現(xiàn)，盡管這些詞匯知識庫在詞匯量大小、領(lǐng)域、詞關(guān)系的詳盡程度等方面各不相同，但他們有一點是相同的：這些詞匯知識系統(tǒng)普遍存在更新手段相對落后、更新緩慢，無法與日益加快的詞匯的產(chǎn)生速度相適應(yīng)的問題。鑒于以上問題，筆者試圖圍繞詞匯知識系統(tǒng)的動態(tài)更新做了一部分探索性工作。 本題目來源于國家“十一五”科技支

3、撐計劃項目《科技文獻(xiàn)信息服務(wù)系統(tǒng)關(guān)鍵技術(shù)研究及應(yīng)用示范》中的子課題：《知識組織系統(tǒng)的集成及服務(wù)體系研究與實現(xiàn)》。在國家“十一五”規(guī)劃中規(guī)定了十個重點領(lǐng)域，本文以這十個重點領(lǐng)域為詞匯收集領(lǐng)域，將與該十個領(lǐng)域相關(guān)的敘詞表、分類法和行業(yè)術(shù)語表集成到一起，形成詞匯知識系統(tǒng)。本文圍繞此詞匯知識系統(tǒng)的動態(tài)更新構(gòu)建了三個軟件工具：基于構(gòu)詞能力和構(gòu)詞模式的新詞發(fā)現(xiàn)系統(tǒng)、基于關(guān)聯(lián)規(guī)則挖掘的候選主題詞發(fā)現(xiàn)系統(tǒng)和基于相似度計算的詞關(guān)系構(gòu)建系統(tǒng)。 基于

4、構(gòu)詞能力和構(gòu)詞模式的新詞發(fā)現(xiàn)系統(tǒng)目的在“新詞”發(fā)現(xiàn)。借鑒單個漢字的構(gòu)詞能力和構(gòu)詞模式，提出了詞的構(gòu)詞能力和構(gòu)詞模式公式，以此為規(guī)則并與詞頻統(tǒng)計的方式相結(jié)合，實現(xiàn)了“新詞”的發(fā)現(xiàn)。 基于關(guān)聯(lián)規(guī)則挖掘的候選主題詞發(fā)現(xiàn)系統(tǒng)目的在詞和詞關(guān)系。通過Apriori算法挖掘出詞匯知識系統(tǒng)中的主題詞和期刊二次文獻(xiàn)中的關(guān)鍵詞間的強(qiáng)關(guān)聯(lián)關(guān)系，我們稱跟詞匯知識系統(tǒng)中的主題詞密切相關(guān)的關(guān)鍵詞為候選主題詞。通過候選主題詞的發(fā)現(xiàn)，一面可以實現(xiàn)詞匯知識系統(tǒng)的

5、更新，另一方面因為發(fā)現(xiàn)了主題詞和候選主題詞間強(qiáng)關(guān)聯(lián)關(guān)系，所以也實現(xiàn)了詞關(guān)系的發(fā)現(xiàn)。 基于相似度計算的詞關(guān)系構(gòu)建系統(tǒng)目的在詞關(guān)系。相似度計算在自動問答、情報檢索、文本聚類等應(yīng)用中都是一個關(guān)鍵問題。本系統(tǒng)通過基于《同義詞詞林》的相似度計算，按照詞匯知識系統(tǒng)中主題詞間關(guān)系，構(gòu)建了候選主題詞間的詞關(guān)系。目前的詞關(guān)系僅限于相關(guān)關(guān)系，范疇較廣，有待在以后的工作中繼續(xù)對其深化，進(jìn)一步挖掘出更加專指、更加明確的詞關(guān)系。 以上三個工具的構(gòu)