wordnetsimilarity介绍

本文利用WordNet Similarity 工具包进行词义相似度的计算

以下十种相似度计算方法：

①Path方法

该方法主要依据Rada提出的基于最短路径的相似度度量方法[126]，将两个词义概念在WordNet层次结构树上最短路径长度的倒数作为两者的相似度。

②Hso方法

该方法即Hirst与St-Onge所提出的基于词汇链的相似度计算方法[128]，如2.4节公式

(2.5)所示。两个词义概念之间的词汇链越长，发生的转向次数越多，则相似度越低。

③Lch方法

该方法由Leacock与Chodorow提出，其对Rada的最短路径方法作了改进，引入了两者在WordNet层次结构树上的深度，如公式(3.2)所示[172]。

其中，表示两个概念在WordNet层次结构树上最短路径的距离，D表示两者在WordNet 概念层次结构树中深度的较大值。12 (, )dss

④Lesk方法

该方法即2.4节介绍的Lesk所提出的基于释义重叠的相似度计算方法，将两个词义概念的释义的重合词语数量作为两者的相似度[13]。

⑤Lin方法

Lin从信息论的角度来考虑词义概念的相似度，认为相似度取决于不同词义概念所包含信息的共有性（Commonality）和差别性（Difference）[136]。该方法将相似度定义为公式(3.3)：

其中c表示s1与s2在WordNet层次结构树上的最深父结点，P(s)表示任选一个词义概念属于类别s的概率。

⑥Jcn方法

该方法由Jiang和Conrath提出，将词义概念层次结构与语料统计数据结合，将基于最短路径的方法[126]和基于概念结点信息量[133]的方法融合，计算方法如2.4节公式(2.12)所示[135]。

⑦Random方法

该方法将随机生成数作为两个词义概念之间的相似度，仅作为一种基线对照方法。

⑧Resnik方法

该方法为由Resnik提出的基于概念结点信息量的相似度计算方法，根据两个概念所共有的最深父结点的信息量，衡量两者的相似度[133]。计算方法如2.4节公式(2.9)所示。

⑨Wup方法

该方法是由Wu与Palmer提出的基于路径结构的相似度度量方法[173]，综合考虑了

概念结点、共有父结点、根结点之间的路径关联情况，其计算方法如公式(3.4)所示。

将1 s 与2 s 的最深上层父概念记作s3 ，N1 表示由概念结点1 s 到达3 s 的

路径上的结点的数量；N2 表示由2 s 到达3 s 的路径上的结点的数量；N3 表示由3 s 到达

概念层次结构树的根结点的路径上的结点的数量。

⑩Vector_pairs方法

该方法是由Patwardhan与Pedersen提出的基于WordNet层次结构信息和语料库共现信息的相似度计算方法[138]。对每个词义概念，根据语料库统计信息，得到其释义中词语的共现词语，为其构建释义向量（Gloss Vectors）；根据不同词义的释义向量之间的余弦夹角衡量两者的词义相关度。WordNet中的概念释义往往比较简短，包含的词语比较少；单纯依赖当前释义有时无法判断词义的相关度。为了解决这一问题，该方法借助WordNet的语义结构关系，寻找与当前概念具有直接语义关系的概念的释义；利用这些关联概念的释义来作为当前概念的补充，以保证释义向量的维数足以判定相关度。

Patwardhan对多种不同词义相似度计算方法的效果进行考查，比较不同方法与人类判断（Human Judgement）的差异，发现Vector_pairs方法得到的相似度与人类判断最为接近；在SensEval-2数据集上的词义消歧实验也表明Vector_pairs方法的效果要优于其它方法[138]。鉴于此，本章在后续实验中采用Vector_pairs方法来计算词义相似度。

在进行词义选择时，本文需要依次计算歧义词的词义与上下文消歧特征词的相似度，这需要解决词义（Sense）与词语（Word）的相似度计算问题。参照Rada[126]和Resnik[133]的研究工作，本文利用公式(3.5)将其转换为词义与词义的相似度计算问题；取最相关的词义组合的相似度作为计算结果。

，s 表示某一词义，w表示某一词语，senses(w)表示词语w的词义集合。