張 榕

(北京語(yǔ)言大學(xué)漢語(yǔ)速成學(xué)院,北京 100083)

術(shù)語(yǔ)定義的聚類(lèi)研究

張 榕

(北京語(yǔ)言大學(xué)漢語(yǔ)速成學(xué)院,北京 100083)

術(shù)語(yǔ)定義的領(lǐng)域聚類(lèi)是一項(xiàng)較新的研究課題。本文采用自下而上的層級(jí)聚類(lèi)的方法,基于知網(wǎng)進(jìn)行語(yǔ)義相似度計(jì)算,并根據(jù)不同詞類(lèi)對(duì)領(lǐng)域區(qū)分的貢獻(xiàn)度以及構(gòu)建領(lǐng)域聚類(lèi)特有的停用詞表來(lái)進(jìn)行聚類(lèi)的特征項(xiàng)選取,實(shí)現(xiàn)了術(shù)語(yǔ)定義的領(lǐng)域聚類(lèi)。實(shí)驗(yàn)取得了較好的聚類(lèi)結(jié)果。

術(shù)語(yǔ),術(shù)語(yǔ)定義,語(yǔ)義相似度,領(lǐng)域聚類(lèi)

一 前言

新事物、新概念的出現(xiàn)帶來(lái)了大量的術(shù)語(yǔ)及術(shù)語(yǔ)定義。對(duì)術(shù)語(yǔ)定義進(jìn)行分類(lèi)加工,按領(lǐng)域劃分為不同的類(lèi)別,有利于領(lǐng)域?qū)W科專(zhuān)家建立領(lǐng)域術(shù)語(yǔ)數(shù)據(jù)庫(kù),以及系統(tǒng)地研究領(lǐng)域術(shù)語(yǔ)之間的概念層次關(guān)系、語(yǔ)義關(guān)系,提高術(shù)語(yǔ)檢索的準(zhǔn)確率與知識(shí)的系統(tǒng)化加工的效率。

由于術(shù)語(yǔ)在領(lǐng)域之間的相互借用,使得有些術(shù)語(yǔ)可以在多個(gè)應(yīng)用領(lǐng)域被使用,這些術(shù)語(yǔ)在不同的領(lǐng)域具有不同的義項(xiàng)。以“病毒”這一術(shù)語(yǔ)為例,“病毒”可以是生物領(lǐng)域的“病毒”,也可以是計(jì)算機(jī)領(lǐng)域的“病毒”,而兩個(gè)領(lǐng)域的“病毒”顯然是不同的義項(xiàng),當(dāng)有若干條“病毒”定義時(shí),如何從中鑒別出哪些是生物領(lǐng)域的病毒定義,哪些是計(jì)算機(jī)領(lǐng)域的病毒定義,需要人工的參與。我們以幾組同名術(shù)語(yǔ)定義為例來(lái)闡述術(shù)語(yǔ)定義領(lǐng)域聚類(lèi)的必要性。例如:

1.病毒

病毒是一種可以在其他生物體間傳播并感染生物體的微小生物,一般包含核酸以及外殼蛋白,有些動(dòng)物的病毒的外面也偶爾覆蓋一層細(xì)胞膜。

計(jì)算機(jī)病毒是指編制或者在計(jì)算機(jī)程序中插入的破壞計(jì)算機(jī)功能或者毀壞數(shù)據(jù),影響計(jì)算機(jī)使用,并能自我復(fù)制的一組計(jì)算機(jī)指令或者程序。

2.防火墻

防火墻:用于將因特網(wǎng)的子網(wǎng)與因特網(wǎng)的其余部分相離,以達(dá)到網(wǎng)絡(luò)和信息安全效果的軟件或硬體設(shè)施。

防火墻:兩所房子之間或者一所房屋的兩個(gè)部分之間的厚而高的墻,可以防止火災(zāi)蔓延。

3.蠕蟲(chóng)

蠕蟲(chóng)是指一種可以不斷復(fù)制自己并在網(wǎng)絡(luò)中傳播的程序。

蠕蟲(chóng)是無(wú)脊椎動(dòng)物的一大類(lèi),構(gòu)造比腔腸動(dòng)物復(fù)雜,身體長(zhǎng)行,左右對(duì)稱(chēng),質(zhì)柔軟,沒(méi)有骨骼,沒(méi)有腳。

4.樹(shù)

樹(shù)是指生成語(yǔ)法采用的一種二維圖形表示,能方便地顯示由一組規(guī)則生成句子的內(nèi)部層級(jí)結(jié)構(gòu)。

樹(shù)是木本植物的統(tǒng)稱(chēng)。

例 1中的“病毒”分別是生物領(lǐng)域的術(shù)語(yǔ)和計(jì)算機(jī)領(lǐng)域的術(shù)語(yǔ);例2中的“防火墻”分別是計(jì)算機(jī)領(lǐng)域的術(shù)語(yǔ)和建筑領(lǐng)域的術(shù)語(yǔ);例3中的“蠕蟲(chóng)”是屬于計(jì)算機(jī)領(lǐng)域的術(shù)語(yǔ)和生物領(lǐng)域的術(shù)語(yǔ);例 4中的“樹(shù)”分別是計(jì)算機(jī)領(lǐng)域的術(shù)語(yǔ)和通用領(lǐng)域的詞語(yǔ)。

在領(lǐng)域數(shù)據(jù)庫(kù)的構(gòu)建和用戶的使用過(guò)程中,有必要將這些定義區(qū)分開(kāi)來(lái)。通過(guò)聚類(lèi)將計(jì)算機(jī)科學(xué)術(shù)語(yǔ)聚合在一起,將生物學(xué)術(shù)語(yǔ)聚合在一起。但是當(dāng)待處理的數(shù)據(jù)足夠龐大時(shí),人工將這些術(shù)語(yǔ)定義進(jìn)行領(lǐng)域分類(lèi),將耗費(fèi)大量的人力、物力,因此本文提出了計(jì)算機(jī)自動(dòng)處理的術(shù)語(yǔ)定義的領(lǐng)域聚類(lèi)方法。

二 術(shù)語(yǔ)定義聚類(lèi)的流程

聚類(lèi)是知識(shí)發(fā)現(xiàn)的重要方法,通過(guò)聚類(lèi),能夠發(fā)現(xiàn)事物的內(nèi)部規(guī)律和特征。聚類(lèi)沒(méi)有事先預(yù)定的類(lèi)別,類(lèi)別數(shù)在聚類(lèi)過(guò)程中自動(dòng)生成,無(wú)需人工標(biāo)注和預(yù)先訓(xùn)練分類(lèi)器。聚類(lèi)作為一種無(wú)監(jiān)督的機(jī)器學(xué)習(xí)方法,具有較高的靈活性和自動(dòng)化處理能力[1]。本文聚類(lèi)的具體過(guò)程如下圖所示:

圖 1 術(shù)語(yǔ)定義聚類(lèi)流程圖

三 特征項(xiàng)選取

術(shù)語(yǔ)定義集,由漢語(yǔ)詞法分析器 I CTCLAS進(jìn)行分詞和詞性標(biāo)注,進(jìn)入特征項(xiàng)選取階段。術(shù)語(yǔ)定義聚類(lèi)的過(guò)程是將相似的一組定義歸為一類(lèi),如何將術(shù)語(yǔ)定義的文本內(nèi)容轉(zhuǎn)換成計(jì)算機(jī)可處理的形式,從而用于計(jì)算定義之間的相似度是整個(gè)聚類(lèi)過(guò)程的關(guān)鍵。

本文通過(guò)將術(shù)語(yǔ)定義用詞與普通文本用詞對(duì)比發(fā)現(xiàn),術(shù)語(yǔ)定義中的名詞與普通文本中的名詞具有很大的差別。在領(lǐng)域的判別過(guò)程中,定義句子中的名詞起到的支持作用最大。考察其他詞性的詞語(yǔ)在兩種文體上用詞的區(qū)別,發(fā)現(xiàn)術(shù)語(yǔ)定義中的動(dòng)詞與普通文本中的動(dòng)詞的差別相對(duì)較小一些,但依然具有領(lǐng)域的區(qū)分度,應(yīng)該作為聚類(lèi)的特征,這些詞性對(duì)術(shù)語(yǔ)定義的領(lǐng)域所屬類(lèi)別的判定,也起到了一定的貢獻(xiàn)作用。形容詞、副詞對(duì)領(lǐng)域聚類(lèi)的貢獻(xiàn)度不大,不作為聚類(lèi)的特征。

1.名詞的領(lǐng)域區(qū)分度

術(shù)語(yǔ)定義的領(lǐng)域分類(lèi),也就是將被定義的術(shù)語(yǔ)做一個(gè)領(lǐng)域分類(lèi),被定義項(xiàng)屬于什么領(lǐng)域,那么該術(shù)語(yǔ)定義就屬于什么領(lǐng)域。術(shù)語(yǔ)在詞性上大都是名詞或者名詞短語(yǔ)。定義句子中的名詞對(duì)區(qū)分被定義項(xiàng)屬于哪個(gè)領(lǐng)域具有最大的支持度。比如:

“卵磷脂是血管的清道夫:能將附著在血管壁上的膽固醇,中性脂肪乳化成微粒子,溶于血液中并運(yùn)回肝臟而被代謝,從而改善血清脂質(zhì),清除過(guò)氧化物,使血液中膽固醇及中性脂肪含量降低,防止由膽固醇引起的血管內(nèi)膜損傷?！?/p>

“膽固醇是體內(nèi)最豐富的固醇類(lèi)化合物,它既作為細(xì)胞生物膜的構(gòu)成成分,又是類(lèi)固醇類(lèi)激素、膽汁酸及維生素 d的前體物質(zhì)。”

“核酸是細(xì)胞內(nèi)的生物大分子,是細(xì)胞的核心物質(zhì),由脫氧核糖核酸 (DNA)和核糖核酸 (RNA)組成。”

上面三個(gè)定義中的“血管”“肝臟”“細(xì)胞”“生物”“分子”“維生素”等詞對(duì)領(lǐng)域聚類(lèi)起到了絕對(duì)的支持作用。

2.動(dòng)詞的領(lǐng)域區(qū)分度:

“語(yǔ)音信號(hào)處理是指語(yǔ)音信號(hào)輸入計(jì)算機(jī)后對(duì)其進(jìn)行分析處理的過(guò)程,語(yǔ)音通過(guò)話筒轉(zhuǎn)換成電信號(hào),再經(jīng)放大或轉(zhuǎn)換變成數(shù)字信號(hào),用模式分類(lèi)方法分析和識(shí)別這些信號(hào)?！?/p>

“二值化是指把一組數(shù)據(jù)按一定的規(guī)則映射為0或 1的過(guò)程?！?/p>

“漢字信息處理是指用計(jì)算機(jī)對(duì)漢字表示的信息進(jìn)行操作和加工,如漢字的輸入、存儲(chǔ)、識(shí)別、生成和輸出等?！?/p>

上面三個(gè)句子中的動(dòng)詞“輸入”“分析”“處理”“轉(zhuǎn)化”“識(shí)別”“映射”“操作”“加工”“存儲(chǔ)”“生成”“輸出”對(duì)領(lǐng)域類(lèi)型判別,起到了支持作用。

連詞、介詞和虛詞對(duì)領(lǐng)域聚類(lèi)幾乎不起任何的作用,因此也可以認(rèn)定,這些詞性的詞不具有領(lǐng)域區(qū)分度。

另外,還有一些詞語(yǔ)不具有領(lǐng)域區(qū)分度,比如“所謂”“也就是”等等,這些作為停用詞存在。

由于本文的目的是將術(shù)語(yǔ)定義按照領(lǐng)域聚類(lèi),所以特征項(xiàng)的選取,與普通文本聚類(lèi)有所區(qū)別。我們通過(guò)停用詞過(guò)濾以及定義用詞的詞性過(guò)濾將對(duì)領(lǐng)域聚類(lèi)貢獻(xiàn)極小的詞語(yǔ)過(guò)濾掉,不參與到聚類(lèi)的計(jì)算。

四 定義相似度的計(jì)算

術(shù)語(yǔ)定義領(lǐng)域聚類(lèi)的本質(zhì)就是通過(guò)計(jì)算術(shù)語(yǔ)定義之間的句子相似度,將句子相似度高的術(shù)語(yǔ)定義劃分為一類(lèi),將相似度低的句子劃分到不同的類(lèi)。相似度是一個(gè)很復(fù)雜的概念,不同應(yīng)用領(lǐng)域?qū)ο嗨贫扔胁煌慕缍?。相似度?jì)算的常用方法有基于向量空間模型的 TF/ IDF方法以及基于語(yǔ)義的方法。向量空間模型的方法把文本看成為詞的線性序列,不考慮詞語(yǔ)之間的相互關(guān)系,不對(duì)語(yǔ)句進(jìn)行語(yǔ)法結(jié)構(gòu)分析,只考慮了利用句子的表層信息;而基于語(yǔ)義的方法則是對(duì)文本進(jìn)行語(yǔ)義分析,屬于深層結(jié)構(gòu)分析法[2]。

本文的聚類(lèi)方法是基于語(yǔ)義相似度,在計(jì)算相似度的過(guò)程中,將句子作為一個(gè)詞語(yǔ)的集合進(jìn)行處理。這樣句子的相似度計(jì)算就轉(zhuǎn)化為集合之間的相似度計(jì)算。本文采用劉群的集合相似度的計(jì)算方法[3]來(lái)計(jì)算句子的相似度:

其中m、n表示兩個(gè)句子中詞匯集合的大小, a、b分別表示兩個(gè)句子中對(duì)應(yīng)的詞。對(duì)于沒(méi)有建立起對(duì)應(yīng)關(guān)系的詞,我們賦給它一個(gè)很小的值σ作為它與空元素的相似度。通過(guò)上面的公式,定義的相似度計(jì)算轉(zhuǎn)化為定義中出現(xiàn)的詞語(yǔ)的相似度計(jì)算。

詞語(yǔ)的相似度受到詞語(yǔ)的詞法、句法、語(yǔ)義、語(yǔ)用各個(gè)因素的影響。聚類(lèi)的目的是把分屬不同領(lǐng)域的句子按領(lǐng)域聚類(lèi),顯然語(yǔ)義的因素對(duì)詞語(yǔ)和句子相似度的影響最大。詞義相似度計(jì)算是自然語(yǔ)言處理中一個(gè)重要的研究方向,被應(yīng)用在文本分類(lèi)、信息檢索、詞義排歧等領(lǐng)域。我們使用董振東先生創(chuàng)建的知網(wǎng) (HowNet)作為語(yǔ)義知識(shí)資源庫(kù),進(jìn)行語(yǔ)義之間的相似度計(jì)算[4-5]。按照知網(wǎng)的定義,概念是對(duì)詞匯語(yǔ)義的一種描述。一個(gè)詞匯可能表示多種概念,而每個(gè)概念可以分解為若干義原,義原是用于描述一個(gè)概念的最基本的、不能再分割意義的最小單位。

若有兩個(gè)詞語(yǔ)W1和W2,如果W1有 m個(gè)概念,W2有 n個(gè)概念:s11m,s12…stm,則兩個(gè)詞語(yǔ)之間的相似度,由這兩個(gè)詞之間所有概念之間的相似度的最大值來(lái)決定,用公式表示為:

通過(guò)上述公式,詞語(yǔ)之間的相似度計(jì)算就轉(zhuǎn)化為概念之間的相似度計(jì)算。

知網(wǎng)的每個(gè)概念由多個(gè)義原來(lái)描述:

1)第一基本義原描述:兩個(gè)概念的基本義原的相似度為 Sim1(S1,S2);

2)其他基本義原描述:是一個(gè)除第一基本義原以外基本義原的集合,其他基本義原相似度為Sim2(S1,S2);

3)關(guān)系義原描述:是一個(gè)特征結(jié)構(gòu),對(duì)于該特征結(jié)構(gòu)的每一個(gè)特征,屬性是一個(gè)關(guān)系義原,值是一個(gè)基本義原,或一個(gè)具體詞。關(guān)系義原描述的相似度為 Sim3(S1,S2);

4)關(guān)系符號(hào)描述:是一個(gè)特征結(jié)構(gòu),對(duì)于該特征結(jié)構(gòu)的每一個(gè)特征,屬性是一個(gè)關(guān)系義原,值是一個(gè)集合,該集合的元素是一個(gè)基本義原,或一個(gè)具體詞。關(guān)系符號(hào)描述的相似度為 S im4(S1,S2)。

這樣,兩個(gè)概念語(yǔ)義表達(dá)式的整體相似度記為:

其中βi(1≤i≤4)是可調(diào)節(jié)的參數(shù),且有:

第一基本義原是概念最主要的特征,所以權(quán)值最高,其他的特征賦予一個(gè)遞減的權(quán)重。

若有兩個(gè)義原 S1,S2,其相似度記為 S im(S1, S2),并用以下公式表達(dá):

其中Dis(S1,S2)為兩個(gè)義原在這個(gè)層次體系中的路徑距離,是一個(gè)可以調(diào)節(jié)的參數(shù)。兩個(gè)義原之間的距離越大,它們的語(yǔ)義相似度越小,兩者成反比。

五 聚類(lèi)處理

給定一個(gè)數(shù)據(jù)樣本集 X{X1,X2,…,Xn},根據(jù)對(duì)象間的相似程度將樣本集合分成 k簇:{C1,C2,…,Ck}的過(guò)程稱(chēng)為聚類(lèi)。通?？梢苑譃閷哟问胶头菍哟问絻煞N[6]。本文采用自底向上的層級(jí)聚類(lèi)方法。該方法的優(yōu)點(diǎn)是易于理解,實(shí)現(xiàn)簡(jiǎn)便。具體步驟如下:

輸入:待聚類(lèi)的定義集合(n個(gè)定義)

1)初始化成 n類(lèi)使每個(gè)類(lèi)包含一個(gè)定義;

2)計(jì)算所有 n個(gè)類(lèi)兩兩之間的相似度;

3)找出相似度最大的兩個(gè)類(lèi)合并成一個(gè)類(lèi),n =n-1;

4)重復(fù)步驟 2、3直到最大的相似度小于設(shè)定的閾值或最后只有一類(lèi)時(shí)停止。

六 聚類(lèi)結(jié)果分析

術(shù)語(yǔ)定義的聚類(lèi)實(shí)驗(yàn)結(jié)果使用準(zhǔn)確率來(lái)進(jìn)行評(píng)價(jià),用公式表示如下:

本文從中國(guó)標(biāo)準(zhǔn)化研究院提供的術(shù)語(yǔ)數(shù)據(jù)庫(kù)語(yǔ)料中隨機(jī)抽取 1000條術(shù)語(yǔ)定義來(lái)做實(shí)驗(yàn),聚類(lèi)結(jié)果被分為19類(lèi),其中被正確分類(lèi)的術(shù)語(yǔ)定義 778條。實(shí)驗(yàn)的聚類(lèi)正確率為 77.8%。

本文選用知網(wǎng)作為術(shù)語(yǔ)定義領(lǐng)域聚類(lèi)的知識(shí)庫(kù)是因?yàn)橹W(wǎng)里具有大量區(qū)分不同領(lǐng)域的義原。例如:commercial|商、medical|醫(yī)、computer|電腦、education|教育、weather|天象、politics|政、information|信息、agricultural|農(nóng)、industrial|工、Animal-Human|動(dòng)物、animate|生物、chemical|化學(xué)物、material|材料、vehicle|交通工具、MusicTool|樂(lè)器、machine|機(jī)器、music|音樂(lè)、sport|體育、law|律法等。這些義原對(duì)定義的領(lǐng)域區(qū)分與判別起到了很大的支持作用。

實(shí)驗(yàn)中我們也發(fā)現(xiàn)使用知網(wǎng)進(jìn)行領(lǐng)域聚類(lèi)的局限性。由于知網(wǎng)使用的義原的個(gè)數(shù)為 2200個(gè),但是它所涵蓋的詞語(yǔ)達(dá) 65 000條,概念達(dá)80 000多。義原的個(gè)數(shù)遠(yuǎn)遠(yuǎn)小于詞語(yǔ)和概念的個(gè)數(shù),這樣就出現(xiàn)多個(gè)概念之間共用同一個(gè)義原的情況,影響了領(lǐng)域聚類(lèi)的準(zhǔn)確度。

我們以“phenomena|現(xiàn)象”這個(gè)義原為例進(jìn)行分析,包含該義原的詞語(yǔ)有:白色恐怖、雹災(zāi)、飽嗝兒、暴洪、悲歡離合、弊病、表面現(xiàn)象、兵荒馬亂、病蟲(chóng)害、波譜、擦網(wǎng)球、差錯(cuò)、車(chē)流、春寒等。顯而易見(jiàn),在聚類(lèi)的過(guò)程中,這些詞語(yǔ)由于共用一個(gè)“phenomena|現(xiàn)象”義原,而且該義原在大多數(shù)情況下屬于第一基本義原,被賦予了一個(gè)較高的權(quán)重,通過(guò)詞語(yǔ)的相似度計(jì)算,這些詞語(yǔ)之間容易獲得較大的相似度。由于句子的相似度是建立在詞語(yǔ)相似度基礎(chǔ)之上,進(jìn)而又影響到句子的相似度計(jì)算,影響了聚類(lèi)的結(jié)果。

同時(shí)知網(wǎng)中部分詞語(yǔ)的義原描述不夠詳盡,無(wú)法提供對(duì)領(lǐng)域聚類(lèi)的足夠支持。例如,颶風(fēng)只有一個(gè)義原描述“wind|風(fēng)”;泥石流同樣只有一個(gè)義原描述“stone|土石”。這兩個(gè)詞語(yǔ)屬于自然現(xiàn)象,但知網(wǎng)的知識(shí)庫(kù)卻不能提供領(lǐng)域聚類(lèi)的支持。

詞條的完備性也會(huì)產(chǎn)生一定的影響,由于術(shù)語(yǔ)定義中包含的術(shù)語(yǔ)較多,有些詞語(yǔ)未被知識(shí)庫(kù)所收錄,中文是一個(gè)開(kāi)放集合,知網(wǎng)也并不能涵蓋所有詞語(yǔ)?？梢?jiàn)一個(gè)知識(shí)庫(kù)的構(gòu)建是項(xiàng)非常艱巨的工作,同時(shí)它的構(gòu)建總會(huì)受一些主觀因素的影響。因此,借助知識(shí)庫(kù)進(jìn)行自然語(yǔ)言處理的相關(guān)工作既有可操作性又有其局限性。

七 結(jié)束語(yǔ)

術(shù)語(yǔ)定義的領(lǐng)域聚類(lèi)的研究相對(duì)來(lái)說(shuō)是一個(gè)新課題。定義的自動(dòng)聚類(lèi)有助于系統(tǒng)化地研究某個(gè)特定領(lǐng)域的術(shù)語(yǔ)以及術(shù)語(yǔ)定義的詞匯、句法,以及語(yǔ)義的內(nèi)在固有規(guī)律。對(duì)領(lǐng)域術(shù)語(yǔ)庫(kù)的建設(shè)、領(lǐng)域知識(shí)的提取與研究具有一定的理論意義和應(yīng)用價(jià)值。將同屬于一個(gè)領(lǐng)域類(lèi)別的術(shù)語(yǔ)定義劃分到一類(lèi),不僅可以自動(dòng)區(qū)分開(kāi)不同領(lǐng)域的同名術(shù)語(yǔ),而且可以集中得到一批同領(lǐng)域的術(shù)語(yǔ)定義,對(duì)特定領(lǐng)域的術(shù)語(yǔ)研究提供了方便。術(shù)語(yǔ)定義聚類(lèi)與通常的文本聚類(lèi)、句子聚類(lèi)不同,本文通過(guò)考察不同詞類(lèi)對(duì)于領(lǐng)域區(qū)分程度的差異,作為聚類(lèi)領(lǐng)域特征的選取準(zhǔn)則,將不具有領(lǐng)域區(qū)分程度的詞類(lèi)排除在聚類(lèi)計(jì)算過(guò)程之外,通過(guò)自底而上的層級(jí)聚類(lèi)的方法,有效地解決了術(shù)語(yǔ)定義的領(lǐng)域聚類(lèi)問(wèn)題。

[1]趙世奇,劉挺,李生.一種基于主題的文本聚類(lèi)方法[J].中文信息學(xué)報(bào),2007(2):58-61.

[2]趙妍妍,秦兵.基于多特征融合的句子相似度計(jì)算[G].全國(guó)第八屆計(jì)算語(yǔ)言學(xué)聯(lián)合學(xué)術(shù)會(huì)議 (JSCL-2005). 2005:168-174.

[3]劉群,李素建.基于知網(wǎng)的詞匯語(yǔ)義相似度計(jì)算 [J]. Computational Linguistics and Chinese Language Processing,2002,7(2):59-76.

[4][EB/OL]http://www.keenage.com.

[5]許石,樊孝忠,張鋒.基于知網(wǎng)的語(yǔ)義相關(guān)度計(jì)算 [J].北京理工大學(xué)學(xué)報(bào),2005(5):411-414.

[6]姚清耕,劉功申,李翔.基于向量空間模型的文本聚類(lèi)算法[J].計(jì)算機(jī)工程,2008(9):39-41.

Cluster Research on Term Definition

ZHANG Rong

D om a in c lus te ring of te rm definition is a re la tive ly new resea rch top ic.In this resea rch,w e took bottom-up hie ra rchica l c lus te ring m e thod for sem antic s im ila rity ca lcula tion based on HowN e t,and se lec ted c lus te r-sp ec ific cha rac te ris tics based on w ords w ith d iffe rent contribution to c lus te ring and s top-used w ords cons truc ting dom a in c lus te r.O ur resultsrea lized the dom a in c lus te r of te rm definition,and achieved a des ired exp e r im enta l result.

te rm,te rm definition,sem antic s im ila rity,dom a in c lus te ring

H083;N04

A

1673-8578(2011)01-0014-05

2010-07-02

張榕 (1975—),女,江蘇溧水人,博士,北京語(yǔ)言大學(xué)漢語(yǔ)速成學(xué)院講師,主要研究計(jì)算語(yǔ)言學(xué)、術(shù)語(yǔ)學(xué)等。通信方式:zhangrong@blcu.edu.cn。