Word排版素材_长文档草稿

一、绪论............................................................................................................. II

（一）课题的背景和意义......................................................................... II 1．研究的背景................................................................................... II

2．研究的目的和意义....................................................................... II （二）国内外研究现状............................................................................ I V 1．主题图和主题图融合研究现状.................................................. I V

2．词汇相似性度量研究现状........................................................... V

3．句子相似性度量研究现状.......................................................... V I （三）本文的研究content .................................................................... VIII 1．研究content .............................................................................. VIII

2．研究方法及技术路线............................................................... VIII （四）扩展主题图的融合......................................................................... X 1．扩展主题图融合定义及原则....................................................... X

2．扩展主题图融合过程................................................................ XII （五）语义冲突..................................................................................... XIII 1．语义异构的原因....................................................................... XIII

2．语义冲突的定义及类型........................................................... X IV （六）语义相似度在扩展主题图融合中的使用................................XVII 1．简单文本分类的应用..............................................................XVII

2．扩展主题图融合中的文本分类技术应用............................ XVIII

3．主题融合与词语语义相似度................................................... X XI

4．知识元融合与句子语义相似度..............................................XXII （七）本章小结.................................................................................. XXIV

一、绪论

（一）课题的背景和意义

1．研究的背景

本课题源于国家863高技术研究发展计划：“面向教育的海量知识资源组织、管理与服务系统”，该项目旨在研究一套区别于搜索引擎和现有数字文献管理系统的，支持用户多层次、多粒度知识获取，能够体现知识资源内在关联的导航与互动学习，并支持用户个性化查询和结果呈现的知识资源管理与服务系统。系统的体系结构包括：1、知识资源的组织与管理；2、知识资源的处理；3、个性化多模式三个层次。

相似性度量算法的关键技术是词汇、句子间语义相似度计算算法。语义相似度计算的准确性直接影响到主题图最后融合的效果，因此语义相似性度量的研究在主题图融合过程有着很重要的作用。

2．研究的目的和意义

扩展主题图的数据格式用于描述信息资源组织、管理的结构，具有独立性和通用性，展示形式为“主题--知识元—资源”。相对于传统的基于元数据的资源组织方式，扩展主题图在物理资源实体上架构了一层语义网，实现了资源实体和抽象概念之间的语义组织和衔接，能提供知识的多层次，多粒度的语义搜索与导航。

现有的语义相似性度量的方法主要有基于词典和基于语料库两种。词典

有着丰富的语义信息，但存在着未登录词的严重问题。目前发布的实用的词典：英文的WordNet(词网)、中文的HowNet(知网)[2]，均是封闭的系统，在计算未登录词时效果很差。

（二）国内外研究现状

863课题组针对传统主题图无法提供多粒度知识组织管理的问题，提出了扩展主题图标准。当前关于扩展主题图的研究较少，本文在此只介绍传统主题图的相关研究。

1．主题图和主题图融合研究现状

主题图(Topic Maps)的概念最初是由W3C（World Wide Web Consortium 全球万维网联盟的简称）提出的，并由国际标准组织SGML（Standard Generalized Markup Language）委员会第三工作小组的研究人员开发，用来实现索引和辞典构建过程的形式化。这些早期努力演变的结果就是ISO/IEC 13250：2000[3]，这项国际标准定义出了Topic Maps的完整数据模型。2001年，基于可扩展标记语言(Extensible Markuo Language,XML)的XML主题图—XML Topic Maps(XTM)[4]成为ISO/IEC 13250的一部分。同年，ISO委员会又提出主题图查询语言TMQL(ISO/IEC18048)和主题图约束语言TMCL (ISO/IEC1975)。

主题图融合方面，在国外，2004年Lutz Maicher等人提出了SIM算法

[5]和2007年由Jung-Mn Kim[6]提出了TM-MAP算法。SIM算法的本质是

字符统计法，TM-MAP算法较之有很大的改进，一定程度上涉及到主题图本身所蕴含的语义信息，但核心思想还是基于字符统计。在国内，2006年，由南京航空航天大学的吴笑凡等人提出了基于主题和资源合并的TOM算法

[7]，TOM算法与SIM算法类似，基于字符统计，涉及到主题图三要素中的