朱惠+楊建林+王昊

（1.南京大學(xué)信息管理學(xué)院 江蘇南京 210023）

（2.江蘇省數(shù)據(jù)工程與知識服務(wù)重點實驗室 江蘇南京 210023）

摘 要：文章對中文非結(jié)構(gòu)化文本中（半）自動獲取學(xué)科術(shù)語的相關(guān)語義關(guān)系進行了探討，以尋找行之有效的獲取方法。從CNKI獲取“數(shù)字圖書館”學(xué)科領(lǐng)域文獻，通過術(shù)語抽取、動詞抽取、向量空間模型構(gòu)建、雙重關(guān)聯(lián)規(guī)則分析和規(guī)則評價獲得了具有較強關(guān)聯(lián)的術(shù)語對以及作為關(guān)聯(lián)標簽的動詞，從而獲取了學(xué)科術(shù)語的相關(guān)語義關(guān)系。該獲取方法與其他方法相比，具有較高的可行性和有效性，并對術(shù)語的相關(guān)語義關(guān)系進行了有效性和實用性的評價，提高了獲取的準確率。但文章也存在一定的局限性，在對術(shù)語相關(guān)語義關(guān)系的有效性和實用性進行評價時，指標的選擇和閾值的確定存在人工干預(yù)，具有一定的主觀性。

關(guān)鍵詞：學(xué)科術(shù)語；相關(guān)語義關(guān)系；數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；規(guī)則評價

中圖分類號： G202 文獻標識碼： A DOI：10.11968/tsyqb.1003-6938.2017041

1 引言

學(xué)科術(shù)語的語義關(guān)系總體上可分為兩大類：分類語義關(guān)系（層次語義關(guān)系）和非分類語義關(guān)系，本文將非分類語義關(guān)系稱為相關(guān)語義關(guān)系。層次語義關(guān)系和相關(guān)語義關(guān)系均是學(xué)科知識本體的重要組成部分，它們將學(xué)科術(shù)語按照語義關(guān)系進行組織，為學(xué)科知識的搜索、重用及進一步理解提供條件[1]。在文獻[1]中，作者對如何借助知識自動獲取方法和技術(shù)獲得領(lǐng)域術(shù)語的層次語義關(guān)系進行了研究，本文將探討如何從中文非結(jié)構(gòu)化文本中（半）自動獲得學(xué)科術(shù)語的相關(guān)語義關(guān)系。

相較于層次語義關(guān)系，相關(guān)語義關(guān)系的獲取更為困難，目前國內(nèi)外對此的研究也較少，常用的獲取相關(guān)語義關(guān)系的方法之一是普通關(guān)聯(lián)規(guī)則分析。該方法能獲取術(shù)語的相關(guān)語義關(guān)系，但只能獲得具有相關(guān)語義關(guān)系的術(shù)語對，而不能獲得關(guān)系的標簽[2]。

本文將術(shù)語的相關(guān)語義關(guān)系限定為<術(shù)語1-動詞-術(shù)語2>的三元組關(guān)系，試圖在建立句子-術(shù)語向量空間模型和句子-<術(shù)語，動詞>向量空間模型的基礎(chǔ)上，引入雙重關(guān)聯(lián)規(guī)則分析以及規(guī)則評價，由此形成一種從中文非結(jié)構(gòu)化文本獲取學(xué)科術(shù)語相關(guān)語義關(guān)系的具體方法。雙重關(guān)聯(lián)規(guī)則分析還沒被發(fā)現(xiàn)應(yīng)用在學(xué)科術(shù)語相關(guān)語義關(guān)系的獲取中，因此，本文嘗試引入該方法獲得術(shù)語的相關(guān)語義關(guān)系，并借助相關(guān)指標來評價規(guī)則的有效性和實用性。

2 相關(guān)研究

國內(nèi)外有學(xué)者對基于非結(jié)構(gòu)化文本獲取術(shù)語的相關(guān)語義關(guān)系進行了研究。如David等[3]提出了一個自動的、無監(jiān)督的獲取概念相關(guān)語義關(guān)系的方法，該方法從網(wǎng)絡(luò)文本提取術(shù)語的相關(guān)語義關(guān)系，并通過與Wordnet進行比較驗證方法的有效性；J. Villaverde等[4]對領(lǐng)域文本語料庫進行分析，抽取連接概念對的動詞，并將這一技術(shù)集成到了本體構(gòu)建的過程中；Albert等[5]通過集成類似DBpedia這樣的外部知識源到本體學(xué)習(xí)系統(tǒng)中獲得相關(guān)語義關(guān)系的標簽。該方法應(yīng)用了語義推理和驗證，使得獲取的相關(guān)語義關(guān)系質(zhì)量較高；Mei Kuan Wong等[6]提出基于一種多步驟相關(guān)研究框架從非結(jié)構(gòu)化文本中獲取術(shù)語的相關(guān)語義關(guān)系；Ivo Serra等[7]采用兩個過程對獲取概念相關(guān)語義關(guān)系的多種技術(shù)和方法進行了評價，并在生物學(xué)領(lǐng)域語料庫和法律領(lǐng)域語料庫中進行了驗證；Martin等使用擴展的關(guān)聯(lián)規(guī)則獲取術(shù)語的相關(guān)語義關(guān)系以及給出了關(guān)系的標簽，并且基于已有語義標注的語料庫對方法進行了評估[8]。

董麗麗等[9]首先通過關(guān)聯(lián)規(guī)則抽取特定領(lǐng)域術(shù)語對，接著抽取術(shù)語對之間的高頻動詞，將它們作為候選相關(guān)語義關(guān)系標簽，然后運用VF×ICF度量方法確定相關(guān)語義關(guān)系的標簽；古凌嵐等[10]運用語義角色標注和依存語法分析獲取文本句子的語義依存結(jié)構(gòu)，提取出具有語義依存關(guān)系的動詞框架，通過語義相似度計算發(fā)現(xiàn)動詞框架中術(shù)語間的相關(guān)語義關(guān)系和關(guān)系標簽；邱桃榮等[11]通過分析概念粒的上下文，構(gòu)建了基于不同領(lǐng)域概念粒度空間的概念粒交叉關(guān)系學(xué)習(xí)模型，有利于實現(xiàn)領(lǐng)域本體相關(guān)語義關(guān)系的獲?。煌跫t等[12]提出了基于NNV（名詞-名詞-動詞）的關(guān)聯(lián)規(guī)則獲取術(shù)語相關(guān)語義關(guān)系及其標簽的方法；張立國等[13]對語料進行詞性標注和語義分析，得到具有語義依存關(guān)系的動詞框架，然后再計算句子的相似度，抽取出術(shù)語的相關(guān)語義關(guān)系并給出關(guān)系的標簽；谷俊等[14]在關(guān)聯(lián)規(guī)則中加入謂語動詞進行相關(guān)計算，結(jié)合搜索引擎技術(shù)抽取候選相關(guān)語義關(guān)系，在此基礎(chǔ)上對置信度和支持度進行對比分析，抽取出最終的相關(guān)語義關(guān)系。

綜上可知，國內(nèi)外學(xué)者嘗試通過關(guān)聯(lián)規(guī)則分析、語義依存分析等來獲取術(shù)語的相關(guān)語義關(guān)系，而關(guān)聯(lián)規(guī)則分析的應(yīng)用又較多。作為相關(guān)語義關(guān)系標簽的動詞的獲取還沒有形成有效統(tǒng)一的方法。此外，上述方法對于所獲規(guī)則的有效性和實用性并沒有進行評價。

本文將構(gòu)建句子×術(shù)語向量空間模型、句子×<術(shù)語，動詞>向量空間模型，進行二重關(guān)聯(lián)規(guī)則分析以獲取具有相關(guān)語義關(guān)系的術(shù)語對以及語義關(guān)系的標簽。在進行關(guān)聯(lián)規(guī)則分析的過程中，引入一系列指標來控制規(guī)則的有效性和實用性，從而提高術(shù)語相關(guān)語義關(guān)系獲取的質(zhì)量。

3 學(xué)科術(shù)語相關(guān)語義關(guān)系獲取方法

本文重點探討基于雙重關(guān)聯(lián)規(guī)則分析和規(guī)則評價從非結(jié)構(gòu)化文本獲取術(shù)語相關(guān)語義關(guān)系的方法和過程，這里的非結(jié)構(gòu)化文本由學(xué)科期刊論文的標題、摘要和關(guān)鍵詞構(gòu)成，獲取思路和方法（見圖1）。

3.1 術(shù)語抽取

科研人員是學(xué)科術(shù)語動態(tài)變化過程的直接參與者和見證者，他們撰寫的科研文獻記載了學(xué)科的動態(tài)發(fā)展過程，文獻中的關(guān)鍵詞則是學(xué)科研究內(nèi)容的凝練，因此，可以從科研文獻的關(guān)鍵詞中抽取學(xué)科術(shù)語。

但筆者給出的關(guān)鍵詞具有較大的隨意性、不一致性以及誤差性，因此，有必要首先對這些候選術(shù)語進行統(tǒng)一規(guī)范，以符合同一概念的術(shù)語唯一化。

學(xué)科術(shù)語是專業(yè)詞匯，必須具有一定的學(xué)科認可度，因此，本文采用關(guān)鍵詞在所有文檔中出現(xiàn)的頻數(shù)Nk作為篩選條件，即若：

Nk≥ C （1）

則認為該關(guān)鍵詞被學(xué)科普遍認可，可作為該學(xué)科的術(shù)語，其中C為詞頻閾值[1]。

3.2 相關(guān)語義關(guān)系術(shù)語對抽取

以非結(jié)構(gòu)化文本中的摘要作為研究語料，將其切分成句子，進行詞性標注分詞，構(gòu)建句子×術(shù)語向量空間模型。運用關(guān)聯(lián)規(guī)則分析獲取具有相關(guān)語義關(guān)系的學(xué)科術(shù)語對。在獲取過程中，要注意規(guī)則的有效性和實用性，本文將借助規(guī)則置信度、規(guī)則支持度、規(guī)則提升度、置信率、正態(tài)卡方、信息差這些指標對獲得的規(guī)則進行有效性和實用性的評價[15]244-249。

把所有句子看成是事務(wù)集，而每個句子中包含的術(shù)語則是該事務(wù)所包含的項目。如果術(shù)語1（X）與術(shù)語2（Y）在整個事務(wù)集中具有一定的共現(xiàn)次數(shù)，且術(shù)語2在術(shù)語1出現(xiàn)的情況下出現(xiàn)了較多次，則認為這樣的兩個術(shù)語具有有效的關(guān)聯(lián)關(guān)系。這里引入評價關(guān)聯(lián)規(guī)則有效性的指標：規(guī)則置信度CX→Y和規(guī)則支持度SX→Y。

進一步，針對具有有效關(guān)聯(lián)關(guān)系的術(shù)語1與術(shù)語2：

（1）如果術(shù)語2在術(shù)語1中出現(xiàn)的密集程度比它在整個事務(wù)集中出現(xiàn)的密集程度還要大，則認為術(shù)語1與術(shù)語2間的關(guān)聯(lián)關(guān)系不僅有效，而且具有實際意義，即具備實用性。這里引入評價關(guān)聯(lián)規(guī)則實用性的指標：規(guī)則提升度（Lift）和置信率（R）。當(dāng)Lift大于1時，Lift越大，關(guān)聯(lián)越強。R越大，關(guān)聯(lián)越強。

（2）構(gòu)建術(shù)語1和術(shù)語2的二維隨機變量（X，Y），從而計算X與Y之間的統(tǒng)計相關(guān)性，如果統(tǒng)計相關(guān)性高于某個數(shù)值，則認為術(shù)語1與術(shù)語2間的關(guān)聯(lián)關(guān)系不僅有效，而且具備實用性。這里引入評價關(guān)聯(lián)規(guī)則實用性的指標：正態(tài)卡方（N）。N越接近1，關(guān)聯(lián)越強，N越接近0，關(guān)聯(lián)越弱。

（3）對于上述（2）中的二維隨機變量（X，Y），計算X與Y獨立情況下（X，Y）概率分布的信息熵Ent1、（X，Y）實際概率分布的信息熵Ent2，求差E = Ent1- Ent2，如果E大于某個數(shù)值，則認為術(shù)語1與術(shù)語2間的關(guān)聯(lián)關(guān)系不僅有效，而且具備實用性。這里引入評價關(guān)聯(lián)規(guī)則實用性的指標：信息差（E）。E越大，關(guān)聯(lián)越強。

3.3 動詞抽取

在自然語言處理領(lǐng)域，一般認為，動詞是句子中最能表達關(guān)系的信息?；谶@樣的認識，動詞可以用來作為標記同一句子中術(shù)語間相關(guān)語義關(guān)系的標簽，形成<術(shù)語1-動詞-術(shù)語2>這樣的三元組關(guān)系，如<數(shù)字圖書館-構(gòu)建-數(shù)字空間>、<專家系統(tǒng)-組織-知識>。利用NLPIR中文分詞工具對句子語料進行詞性標注分詞，抽取其中的動詞；然后對這些動詞進行停用詞處理、單字詞匯處理以及基于VF-ICF（Verb Frequency-Inverse Concept Frequency）指標的篩選，從而獲得學(xué)科動詞。

VF-ICF是類似于TF-IDF的概念，它的作用也與TF-IDF類似[16]。TF-IDF主要用來度量詞匯在文檔集中的重要性。VF-ICF則主要用來度量動詞在概念對或術(shù)語對中的重要性，那些出現(xiàn)頻數(shù)高且與更多術(shù)語對共現(xiàn)的動詞，它的重要性被拉低；而那些出現(xiàn)頻數(shù)低但僅與少數(shù)動詞共現(xiàn)的動詞，它的重要性被抬高。

假設(shè)vfj表示動詞vj在句子集中出現(xiàn)的頻數(shù)，C表示句子集中術(shù)語對的總數(shù)目，cj表示在整個句子集中與動詞vj共現(xiàn)的術(shù)語對數(shù)目，則動詞vj的權(quán)重為：

wj= （2）

3.4 相關(guān)語義關(guān)系標簽分配

以3.2中獲得的具有相關(guān)語義關(guān)系的學(xué)科術(shù)語以及3.3中獲得的學(xué)科動詞作為句子的特征項，構(gòu)建句子×<術(shù)語，動詞>向量空間模型，再次運用關(guān)聯(lián)規(guī)則分析，以術(shù)語對為規(guī)則的前項、動詞為規(guī)則的后項獲取術(shù)語對與動詞的關(guān)聯(lián)規(guī)則。為保證術(shù)語對內(nèi)部有較強關(guān)聯(lián)，應(yīng)按以下規(guī)則篩選：剔除那些關(guān)聯(lián)規(guī)則，這些規(guī)則的術(shù)語對沒有出現(xiàn)在3.2的779術(shù)語對中。進一步借助規(guī)則置信度等相關(guān)指標對獲得的關(guān)聯(lián)規(guī)則的有效性和實用性進行評價，最終獲得這樣的一些關(guān)聯(lián)規(guī)則：術(shù)語對與學(xué)科動詞具有較強關(guān)聯(lián)關(guān)系，同時，術(shù)語對中的兩個術(shù)語也具有較強關(guān)聯(lián)關(guān)系。這樣便獲取了具有相關(guān)語義關(guān)系的術(shù)語對及其動詞標簽。

4 實驗結(jié)果及分析

本文以“數(shù)字圖書館”學(xué)科領(lǐng)域的期刊論文作為分析對象，基于<句子-術(shù)語>語義關(guān)聯(lián)以及<句子-術(shù)語，動詞>語義關(guān)聯(lián)進行雙重關(guān)聯(lián)規(guī)則分析，并在分析過程中引入相關(guān)指標來評價規(guī)則的有效性和實用性。

4.1 數(shù)據(jù)預(yù)處理

以“數(shù)字圖書館”為主題詞，在CNKI中國期刊全文數(shù)據(jù)庫的核心期刊范圍內(nèi)檢索1996至2011這15年間發(fā)表的論文，共計6446篇。抽取標題、摘要和關(guān)鍵詞構(gòu)成非結(jié)構(gòu)化文本。通過術(shù)語抽取最終獲得911個術(shù)語[1]。

從6446篇非結(jié)構(gòu)化文檔中提取摘要部分，將其切分為28094個句子，剔除長度小于6的那些句子，共獲得27056個句子。以學(xué)科術(shù)語集為用戶詞典，對27056個句子利用NLPIR中文分詞工具進行分詞，共獲得61114個句子術(shù)語對。那些只含有1個術(shù)語的句子，不能從中抽取出相關(guān)語義關(guān)系，因此，剔除掉這些句子，共獲得16608個句子，涉及術(shù)語911個。

以這911個學(xué)科術(shù)語為用戶詞典，利用NLPIR對16608個句子進行詞性標注分詞，共得到47060個動詞詞匯。這些動詞包括及物動詞v、名動詞vn、副動詞vd、趨向動詞vf、動詞性語素vg、不及物動詞vi、動詞性慣用語vl、是動詞vshi、有動詞vyou和形式動詞vx。

由于用作相關(guān)語義關(guān)系標簽的動詞必須連接兩個術(shù)語，因此，本文選擇及物動詞v作為候選學(xué)科動詞，共1312個，對它們進行進一步篩選：

（1）去除停用詞。1312個動詞詞匯去除停用詞后還剩下1249個詞匯。

（2）去掉長度為1的單字動詞詞匯。筆者經(jīng)過對單字動詞詞匯的觀察，認為這樣的動詞并不能很好地表達術(shù)語間的相關(guān)語義關(guān)系，因此剔除掉這些詞匯，還剩下1059個詞匯。

（3）選擇在整個句子集中出現(xiàn)一定頻數(shù)以上的那些動詞詞匯。在1059個詞匯中，有368個詞匯僅出現(xiàn)了1次，筆者認為這些低頻數(shù)出現(xiàn)詞匯的代表性較差，需要剔除，最終獲得了691個候選學(xué)科動詞。

4.2 第一重關(guān)聯(lián)規(guī)則分析

以16608個句子和911個術(shù)語構(gòu)建了16608行×911列的句子術(shù)語向量空間模型。采用數(shù)據(jù)挖掘工具Clementine，基于Apriori算法進行關(guān)聯(lián)規(guī)則分析。

關(guān)聯(lián)規(guī)則分析是一種無監(jiān)督的學(xué)習(xí)方法，評價規(guī)則有效性和實用性的指標閾值的設(shè)置均要依靠領(lǐng)域?qū)＜业膶I(yè)知識并結(jié)合所分析的實際問題來確定。筆者在進行關(guān)聯(lián)規(guī)則分析時，對各指標閾值的取值進行了相關(guān)的嘗試。

4.2.1 有效規(guī)則篩選

表1列出了不同規(guī)則置信度和不同規(guī)則支持度下的關(guān)聯(lián)分析結(jié)果，置信度和支持度交叉位置單元格內(nèi)的數(shù)值是在相應(yīng)條件下抽取到的關(guān)聯(lián)規(guī)則數(shù)目。

經(jīng)過對不同規(guī)則置信度和規(guī)則支持度下結(jié)果的觀察，結(jié)合領(lǐng)域?qū)＜业囊庖姡⒖紤]置信度和支持度的取值，筆者最終選定了規(guī)則置信度≥30%且規(guī)則支持度≥0.01%取值條件下的分析結(jié)果，共得到971條有效的關(guān)聯(lián)規(guī)則，這些規(guī)則共涉及術(shù)語658個。

4.2.2 實用規(guī)則篩選

（1）在獲得的971條有效關(guān)聯(lián)規(guī)則中，規(guī)則提升度的最小值是1.11，最大值是4152.00，平均值是125.53。最小值是1.11表明所有的規(guī)則提升度均大于1，說明后項在前項中出現(xiàn)的概率大于后項在整個事務(wù)集中出現(xiàn)的概率，這樣的規(guī)則有一定的實際意義（所有規(guī)則提升度取值情況見表2）。

由表2數(shù)據(jù)可知，規(guī)則提升度的取值范圍很廣，說明規(guī)則置信度與后項支持度取值的差異性較大，這是由數(shù)據(jù)的稀疏性導(dǎo)致的。在本文的數(shù)據(jù)中，有些后項Y在整個事務(wù)集中覆蓋的范圍很窄，出現(xiàn)的頻數(shù)很低，這就導(dǎo)致了這些后項的支持度取值較低，進一步導(dǎo)致規(guī)則提升度很高。規(guī)則提升度取值范圍太大會給篩選規(guī)則帶來困擾，而且不同的樣本數(shù)據(jù)會有不同的取值范圍。為了克服這個問題，可以對規(guī)則提升度標準化：置信率把規(guī)則提升度壓縮在[0，1）區(qū)間內(nèi)。

（2）置信率是由規(guī)則提升度轉(zhuǎn)變而來，它更適合于對稀疏樣本的分析。筆者對971條關(guān)聯(lián)規(guī)則的置信率進行了計算，最小值為0.0991，最大值為0.9998（971條有效關(guān)聯(lián)規(guī)則置信率取值的頻數(shù)分布見表3）。

領(lǐng)域?qū)＜以谠O(shè)置置信率閾值的時候，可以根據(jù)實際問題的具體情況確定，在本文的分析中，筆者將置信率的閾值設(shè)置為0.5，即選取置信率大于等于0.5的那些關(guān)聯(lián)規(guī)則。經(jīng)篩選后，共得到779條關(guān)聯(lián)規(guī)則，涉及術(shù)語568個。

（3）對經(jīng)過置信率篩選后得到的779條關(guān)聯(lián)規(guī)則進行正態(tài)卡方的計算，其中最大值為1，最小值為0.0001。大部分的正態(tài)卡方取值較小（正態(tài)卡方取值的頻數(shù)分布情況見表4）。

由表4可知，有8個關(guān)聯(lián)規(guī)則的正態(tài)卡方值為1，其中包括“社會閱讀”→“圖書館法治”（0.06%， 100.00%）和“圖書館法治”→“社會閱讀”（0.06%， 100.00%）。這兩條規(guī)則的置信度均為100.00%，取值相同。前條規(guī)則的100.00%置信度說明“社會閱讀”出現(xiàn)的時候必出現(xiàn)“圖書館法治”，同理，后條規(guī)則的100.00%置信度說明“圖書館法治”出現(xiàn)的時候也必出現(xiàn)“社會閱讀”，因此，這兩個術(shù)語在文檔中要么不出現(xiàn)，要么一起出現(xiàn)，它們具有最強的關(guān)聯(lián)關(guān)系。其他7條規(guī)則也是類似的情況。規(guī)則支持度為0.06%，說明術(shù)語 “社會閱讀”和“圖書館法治”在整個事務(wù)集（16608個事務(wù)）中共現(xiàn)了10次。

筆者也對所有規(guī)則的正態(tài)卡方與提升度、置信率間的關(guān)系進行了考察，結(jié)果表明，正態(tài)卡方與規(guī)則提升度和規(guī)則置信率并不沖突，可以依據(jù)其取值的排序來評價關(guān)聯(lián)規(guī)則關(guān)聯(lián)關(guān)系的強弱。

（4）筆者計算了所有779條關(guān)聯(lián)規(guī)則的信息差，其中最大值為0.01283，最小值為0.00007（所有信息差取值的頻數(shù)分布見表5）。

對信息差和正態(tài)卡方這兩個評價指標進行相關(guān)性分析，結(jié)果表明，這兩個指標具有統(tǒng)計學(xué)意義上的顯著相關(guān)性。因此，在評價關(guān)聯(lián)規(guī)則實用性的時候，可以綜合規(guī)則提升度、規(guī)則置信率、正態(tài)卡方和信息差這些指標對規(guī)則進行篩選。

最終，筆者結(jié)合以上4個評價關(guān)聯(lián)規(guī)則實用性指標的取值以及對具體關(guān)聯(lián)規(guī)則的實際觀察，共抽取出了779個具有關(guān)聯(lián)關(guān)系的術(shù)語對，涉及術(shù)語568個（部分術(shù)語對見表6）。

4.3 學(xué)科動詞篩選

依據(jù)公式2可計算出所有候選學(xué)科動詞的權(quán)重，領(lǐng)域?qū)＜铱梢愿鶕?jù)實際情況確定閾值W，選取wj大于等于W的那些動詞作為學(xué)科動詞。筆者根據(jù)公式2對691個候選動詞進行權(quán)重計算（部分計算結(jié)果見表7）。

筆者根據(jù)實際情況選取W=20，剔除了128個動詞，最終獲得563個學(xué)科動詞。

4.4 第二重關(guān)聯(lián)規(guī)則分析

基于16608個句子、911個學(xué)科術(shù)語以及563個學(xué)科動詞建立了16608行×1474列的向量空間模型。運用Apriori算法進行關(guān)聯(lián)分析的時候，以術(shù)語對為前項，動詞為后項，規(guī)則置信度CX→Y閾值設(shè)定為10%，規(guī)則支持度SX→Y閾值設(shè)定為0.01%（保證術(shù)語對與動詞在整個句子集中至少共現(xiàn)2次），共獲得了43913個關(guān)聯(lián)規(guī)則。

在這些關(guān)聯(lián)規(guī)則中，有些前項中的兩個術(shù)語之間并沒有較強的關(guān)聯(lián)關(guān)系，因此，須對這些關(guān)聯(lián)規(guī)則進行過濾：前項中的兩個術(shù)語必須是4.2中獲得的術(shù)語對。經(jīng)過濾后，共獲得779條關(guān)聯(lián)規(guī)則。

再次利用規(guī)則提升度對關(guān)聯(lián)規(guī)則進行篩選：值大于等于2，經(jīng)篩選后，共獲得770條關(guān)聯(lián)規(guī)則。因此，這些關(guān)聯(lián)規(guī)則反映了術(shù)語的相關(guān)語義關(guān)系的術(shù)語對及其動詞標簽（部分結(jié)果見表8）。

因為評價關(guān)聯(lián)規(guī)則有效性和實用性時對相關(guān)指標閾值的設(shè)定完全由領(lǐng)域?qū)＜胰藶闆Q定，因此具有一定的主觀性。領(lǐng)域?qū)＜覒?yīng)充分了解學(xué)科術(shù)語特點以及數(shù)據(jù)的特征，進行合理的設(shè)定。

4.5 與其他方法及技術(shù)比較

目前，從領(lǐng)域非結(jié)構(gòu)化文本中抽取領(lǐng)域術(shù)語相關(guān)語義關(guān)系的研究較少，采取的其他方法一般有：（1）基于詞匯-句法模式的方法；（2）基于句法分析的方法。第（1）種方法必須人工制定獲取模板，因此獲得的相關(guān)語義關(guān)系受制于模板的準確性和完備性；第（2）種方法要求對句法進行分析，由于中文語法句法的復(fù)雜性，實現(xiàn)較為困難。

本文所采用的二重關(guān)聯(lián)規(guī)則分析結(jié)合規(guī)則評價的方法具有較高的可行性和有效性，不僅能從非結(jié)構(gòu)化文本中獲取學(xué)科術(shù)語的相關(guān)語義關(guān)系及其標簽，還能評價語義關(guān)系的有效性和實用性。

5 結(jié)語

本文提出了一種從學(xué)科非結(jié)構(gòu)化文本獲取學(xué)科術(shù)語相關(guān)語義關(guān)系的方法，該方法通過術(shù)語抽取、動詞抽取、向量空間模型構(gòu)建、二重關(guān)聯(lián)規(guī)則分析和規(guī)則評價獲取術(shù)語的相關(guān)語義關(guān)系及其標簽。該方法基于句子-<術(shù)語，動詞>向量空間模型運用關(guān)聯(lián)規(guī)則分析獲取相關(guān)語義關(guān)系的標簽，并借助規(guī)則支持度、規(guī)則置信度、置信率等指標對關(guān)聯(lián)規(guī)則的有效性和實用性進行控制。本文所采用的方法與其他方法相比具有以下明顯優(yōu)勢：能更行有效地獲得相關(guān)語義關(guān)系的標簽，并對相關(guān)語義關(guān)系的質(zhì)量進行控制。本文以“數(shù)字圖書館”學(xué)科領(lǐng)域為例論證了該方法的可行性和有效性，但也存在一些缺陷，評價指標的選擇和閾值的確定存在人工干預(yù)，帶有一定的主觀性。 在今后的研究工作中，筆者將進一步嘗試運用不同的機器學(xué)習(xí)方法（半）自動獲取學(xué)科術(shù)語的相關(guān)語義關(guān)系，探討更有效可行的策略和方案。

參考文獻：

[1] 朱惠，楊建林，王昊.中文領(lǐng)域?qū)I(yè)術(shù)語層次關(guān)系構(gòu)建研究[J].現(xiàn)代圖書情報技術(shù)，2016（1）：73-80.

[2] Maedche A，Staab S.Discovering Conceptual Relations from Text[A].Proc.of the 12th International Conference on Software and Knowledge Engineering[C].Berlin，Germany：[s.n.]，2000：321-325.

[3] David Sa′nchez，Antonio Moreno.Learning non-taxonomic relationships from web documents for domain ontology construction[J].Data & Knowledge Engineering，2008，64（3）：600-623.

[4] J.Villaverde，A.Persson，D.Godoy，etal.Supporting the discovery and labeling of non-taxonomic relationships in ontology learning[J].Expert Systems with Applications，2009，36（7）：10288-10294.

[5] Albert Weichselbraun，Gerhard Wohlgenannt，Arno Scharl.Refining non-taxonomic relation labels with external structured data to support ontology learning[J].Data & Knowledge Engineering，2010，69（8）：763-778.

[6] Mei Kuan Wong，Syed Sibte Raza Abidi，Ian D.Jonsen.A multi-phase correlation search framework for mining non-taxonomic relations from unstructured text[J].Knowledge and Information Systems，2014，38（3）：641-667.

[7] Ivo Serra，Rosario Girardi，Paulo Novais.Evaluating techniques for learning non-taxonomic relationships of ontologies from text[J].Experts Systems With Applications，2014，41（11）：5201-5211.

[8] Martin KAVALEC，Vojtech SVATEK.A Study on Automated Relation Labelling in Ontology Learning[EB/OL].[2016-10-15].http：//nb.vse.cz/～svatek/olp05.pdf.

[9] 董麗麗，胡云飛，張翔.一種領(lǐng)域概念非分類關(guān)系的獲取方法[J].計算機工程與應(yīng)用，2013，49（4）：157-161.

[10] 古凌嵐，孫素云.基于語義依存的中文本體非分類關(guān)系抽取方法[J].計算機工程與設(shè)計，2012，33（4）：1676-1680.

[11] 邱桃榮，黃海泉，段文影，等.非分類關(guān)系學(xué)習(xí)的粒計算模型研究[J].南昌大學(xué)學(xué)報（工科版），2012，34（3）：273-278.

[12] 王紅，高斯婷，潘振杰，等.基于NNV關(guān)聯(lián)規(guī)則的非分類關(guān)系提取方法及其應(yīng)用研究[J].計算機應(yīng)用研究，2012，29（10）：3665-3668.

[13] 張立國，陳荔.維基百科中基于語義依存的領(lǐng)域本體非分類關(guān)系獲取方法研究[J].情報科學(xué)，2014，32（6）：93-97.

[14] 谷俊，嚴明，王昊.基于改進關(guān)聯(lián)規(guī)則的本體關(guān)系獲取研究[J].情報理論與實踐，2011，34（12）：121-125.

[15] 薛薇，陳歡歌.Clementine數(shù)據(jù)挖掘方法與應(yīng)用[M].北京：電子工業(yè)出版社，2010：244-249.

[16] 舒萬里.中文領(lǐng)域本體學(xué)習(xí)中概念和關(guān)系抽取的研究[D].重慶：重慶大學(xué)，2012.

作者簡介：朱惠（1979-），女，南京大學(xué)信息管理學(xué)院講師，博士，研究方向：信息智能處理與檢索、知識本體構(gòu)建及應(yīng)用、數(shù)據(jù)挖掘；楊建林（1970-），男，南京大學(xué)信息管理學(xué)院教授，研究方向：信息智能處理與檢索、信息分析評價、數(shù)據(jù)挖掘；王昊（1981-），男，南京大學(xué)信息管理學(xué)院教授，研究方向： 信息智能處理與檢索、知識本體構(gòu)建及應(yīng)用、科學(xué)評價和引文分析。