基于谷歌距離的漢英詞表概念映射研究

張李義　崔恒

[摘要]本文對《漢語主題詞表》（工程技術(shù)版）概念與英文超級科技詞表概念的映射進行研究，建立優(yōu)化的漢對英有序映射模式，并采用基于谷歌距離的語義相似度算法進行實驗，計算英文詞之間的語義距離，導(dǎo)入原有漢英映射信息。通過實驗分析，獲得了按相似度排序的漢英映射模式，實現(xiàn)了多個英文詞匯與漢詞的對應(yīng)并由高到低排列出來。該方法獲得的排序結(jié)果基本滿足要求，部分詞語需要人工修正。

[關(guān)鍵詞]語義相似度；漢語主題詞表；谷歌距離；概念映射

DOI：10.3969/j.issn.1008-0821.2015.03.001

[中圖分類號]TP391；G25 [文獻標(biāo)識碼]A [文章編號]1008-0821（2015）03-0003-05

詞表映射研究是研究和建設(shè)跨語言信息檢索（Cross Language Information Retrieval，CAJR）的基礎(chǔ)，本文的目標(biāo)是通過計算映射詞語的相同程度來解決跨語言搜索結(jié)果的有序排列問題，其關(guān)鍵在于獲取語義距離和改進現(xiàn)在的映射規(guī)則。研究雙語言或多語言的CLIR是一個熱門的話題，《漢語主題詞表》（工程技術(shù)版）（以下簡稱《漢表》）與英文超級科技詞表分別用于進行中外文科技文獻的知識組織，而兩者的相互映射正是為了實現(xiàn)對中外文文獻資源的跨語言檢索；考慮到兩個詞表知識體系的差異和語義映射的復(fù)雜性，本文不進行知識概念體系、詞間關(guān)系和范疇體系等方面的語義映射，主要研究基于概念的映射模型和方法。

本文以《漢表》的概念作為源（Source）概念，英文超級科技詞表的概念作為目標(biāo)（Target）概念，參考并修訂W3C的詞表映射規(guī)則，建立映射模型?！稘h表》概念具有上下位、多層次關(guān)系，英文超級科技詞表概念也是網(wǎng)狀關(guān)系，在建立概念間映射關(guān)系時，只在距離最短、關(guān)系最近的概念間建立關(guān)系，沒有必要將等同的概念重復(fù)給定向上或向下匹配的關(guān)系，按照需要，將詞表的原詞間關(guān)系導(dǎo)入映射信息即可確定新的映射關(guān)系。本文以標(biāo)準(zhǔn)谷歌距離（Normalized Google Distance）作為語義距離的基本計算方法，并設(shè)計了映射流程，在已有漢英詞表的基礎(chǔ)上，對映射進行排序，能有效地解決檢索時漢英詞語的匹配問題。在檢索過程中，可以做到按相似度的高低呈現(xiàn)有序的檢索結(jié)果，從而給用戶更優(yōu)的檢索體驗。本文通過程序進行演算獲取實驗結(jié)果，根據(jù)語義相似度進行排序，建立新的有序映射。endprint