排序方式: 共有111条查询结果,搜索用时 15 毫秒
1.
一种基于语义关联的查询优化方法 总被引:7,自引:2,他引:5
提出了一种综合词法关系和语义分析的查询优化方法。通过对查询关键字词法特性和本体实例之间语义关联强弱的分析,提高了查询关键字到本体概念映射的完整性和准确率,帮助搜索引擎对用户的意图做出有效推测,解决了传统搜索引擎不能很好理解用户意图的问题。设计实现了相应的查询优化系统,实验表明该系统可以有效提高搜索的准确率。 相似文献
2.
有导词义消歧机器学习方法由于需要大量人力进行词义标注,难以适用于大规模词义消歧任务.提出一种避免人工词义标注的无导消歧方法.该方法综合利用WordNet知识库中的多种知识源(包括:词义定义描述、使用实例、结构化语义关系、领域属性等)描述歧义词的词义信息,生成词义的“代表词汇集”和“领域代表词汇集”,结合词汇的词频分布信息和所处的上下文环境进行词义判定.利用通用测试集Senseval 3对6个典型的无导词义消歧方法进行开放实验,该方法取得平均正确率为49.93%的消歧结果. 相似文献
3.
4.
提出了一种基于语义网络结构的词义消歧方法。将文本片段中出现词的所有词义都看作节点,将两个词的任意两个词义之间的语义关系看作弧,将语义关系的紧密程度看作弧的权重,从而构成一个无向赋权网络;将Google的网页分级(PageRank)算法应用到无向赋权图中,评价网络中节点的重要性,并结合共指词义和词义的常用程度,对文本中出现的名词进行消歧。实验证明了该方法对文本进行词义消歧是有效的。 相似文献
5.
6.
This paper presents an automatic construction of Korean WordNet from pre-existing lexical resources. We develop a set of automatic word sense disambiguation techniques to link a Korean word sense collected from a bilingual machine-readable dictionary to a single corresponding English WordNet synset. We show how individual links provided by each word sense disambiguation method can be non-linearly combined to produce a Korean WordNet from existing English WordNet for nouns. 相似文献
7.
8.
WordNet中的综合概念语义相似度计算方法 总被引:1,自引:0,他引:1
作为语义异构问题的基础,概念间语义相似度计算已成为研究热点,对此,提出一种基于WordNet的综合概念语义相似度计算方法. 该方法不仅集成了传统的基于语义距离的算法和基于信息内容的算法,而且引入了深度、密度因子和语义重合度来进行综合分析,并针对综合算法中权值难以确定的问题,引入主成分分析改进权值分配方法. 实验结果表明,改进后的方法计算的相似度与人工判断的相似度相关性较高,有效改善了概念语义相似度计算的准确性. 相似文献
9.
在衡量图像之间的相关度时,图像的物理特征(颜色分布、灰度值等)所能表达的内容可能并非十分全面,因此有必要参考图像视觉所包含的语义信息衡量图像之间的相关度。为此提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)分类模型的度量图像相关度的方法,利用模型为图像绑定来自于WordNet的语义标签,并参照WordNet结构对标签进行过滤和扩展,利用概念集合计算图像相关度。与人工判定的样本数据作比较,Pearson相关系数峰值能够达到0.73,证明该方法在衡量图像相关度时具有一定的效果。 相似文献
10.
检索系统可以通过引入本体来弥补传统关键词检索语义匮乏的缺陷,然而,领域专家构建本体存在过程复杂、工期长、更新困难等弊端.为此,综合分析多种本体构建方法和技术,针对专利数据的特点给出一套半自动构建本体的方案,在此基础上提出基于半自动构建本体的专利信息检索系统的体系框架,描述系统原型的设计思想和检索流程,通过实验验证该系统能很好的扩充延伸检索词,明显地提高了检索效率以及查全率. 相似文献