Web環(huán)境下基于語義關聯(lián)的文本理解.pdf

1、在互聯(lián)網(wǎng)的環(huán)境下，為了更好的處理網(wǎng)絡中的各種文本，提出基于文本語義關聯(lián)關系的文本理解。主要研究文本語義關聯(lián)的獲取和度量，以及將語義關聯(lián)關系運用到各種文本分析中。
　　為了獲取并度量詞匯間語義關聯(lián)信息，提出基于維基百科的文本語義關聯(lián)的獲取。當前對維基百科的使用大多集中在擴展概念的相關概念，而不能夠定量的分析概念間的語義相關度。針對這一問題，考慮維基網(wǎng)頁文本的半結構化特點，使用概念頁面的鏈接關系構造概念的語義關聯(lián)網(wǎng)絡，并利用各概念頁面

2、構造維基百科的詞條-概念映射結構。使用馬爾科夫隨機游走算法在概念網(wǎng)絡上獲取概念間語義關聯(lián)強度，通過詞條概念映射結構將這種關聯(lián)關系映射到詞匯間。實驗結果顯示加入維基百科的語義信息，無論是文本主題的獲取能力，還是文本的分類和聚類的精度，都有了提高。
　　對于網(wǎng)絡特定領域的短文本的語義理解，提出通過對查詢接口標簽文本進行語義關聯(lián)分析，研究了網(wǎng)絡查詢接口的模式匹配這一典型應用。在查詢接口的模式匹配上，當前研究主要使用接口表單布局視覺信息，

3、將表單表達成樹狀結構，進而將接口模式匹配轉化到樹的匹配。這種方式?jīng)]有充分利用表單元素的語義信息，特別是標簽文本的語義信息。針對這個問題，提出一個基于語義關聯(lián)的接口模式匹配算法。同時配合鏈表型的查詢接口模型，該算法可以很好的處理接口的模式匹配，進而快速的進行查詢接口的集成。實驗結果顯示了加入語義信息后接口的模式匹配精度和匹配速度都有提高。
　　對于網(wǎng)絡中跨領域的長文本的語義理解，提出使用語義關聯(lián)三層網(wǎng)絡結構對文本進行語義關聯(lián)分析，研

4、究網(wǎng)絡新聞、博客等網(wǎng)絡長文本的自動摘要。之前的研究大多只能考慮文本中句子的相似度，或考慮句子中單詞的重要度，而很少考慮其中的短語語義關聯(lián)信息。針對這一問題，我們對自動摘要的圖模型基于文本語義關聯(lián)關系進行了優(yōu)化和改進。在圖模型中，普遍的做法是使用句子作為圖的頂點，句子間的相似性作為圖的帶權邊。改進后的模型，不僅考慮文本中句子的相關性，而且考慮更低一級的短語級別的相關性。兩層語義關聯(lián)圖模型作為文本自動摘要模型在單文本和多文本摘要上的表現(xiàn)，顯

5、示了該模型的有效性。
　　對于網(wǎng)絡中由用戶交互產(chǎn)生的文本的語義理解，提出使用詞語向量基于社交網(wǎng)絡中海量交互式文本自身進行語義關聯(lián)分析，研究社交網(wǎng)絡中評論的情感傾向性。用戶在與互聯(lián)網(wǎng)的交互中產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)中有很多是承載著用戶情感的。無論是在微博的熱門事件上，還是在網(wǎng)上商城的商品買賣上，用戶的評論都是很有價值的，尤其是這些評論的情感傾向。這些情感傾向表達了人們對熱門事件的態(tài)度和對商品服務的滿意程度。對網(wǎng)絡評論的情感進行分析，無