基于知网义原信息量的词语相似度计算方法

李国佳　杨喜亮

摘要：国内利用知网计算中文词语相似度通常采用基于义原距离的方法，这些方法依赖于公式设计和参数选取。根据信息论中计算两个事物相似度的思想，利用知网的分类体系来计算词语所包含的义原信息量，将义原及其角色关系的信息量作为词语相似度计算的基本单位，通过计算两个词语的共有义原及其角色关系的信息量和所有义原及其角色关系的信息量的比值来综合计算词语的相似度。实验结果证明，该方法合理可行。

关键词：义原信息量；角色关系；词语相似度；信息处理

DOIDOI：10.11907/rjdk.151250

中图分类号：TP391

文献标识码：A 文章编号：16727800（2015）006014203

作者简介作者简介：李国佳（1986-），男，山西大同人，硕士，华北水利水电大学软件学院助教，研究方向为自然语言处理；杨喜亮（1981-），男，河南郑州人，硕士，华北水利水电大学现代教育技术中心助教，研究方向为智能信息处理。

0 引言

词语相似度计算在信息检索、文本分类、信息抽取、机器翻译等领域有着广泛应用。目前，词语相似度的计算方法主要有两大类：一类是基于距离的方法，如基于WordNet中词语结点的距离来计算英语词语的语义相似度[1]，基于知网（Hownet）义原距离来计算中文词语的语义相似度[23]；另一类是基于语料统计的方法，这类方法假设凡是语义相近的词语，它们的上下文也应该相似，利用上下文中词语的概率分布来计算词语相似度[45]。

自1999年知网（HowNet）正式发布以来，其受到越来越多研究人员的关注。基于知网计算中文词语的相似度也诞生了很多方法[2，68]，这些方法通常根据意义分解思想，将词语分解为更小单位（义原）参与相似度计算，再按照权重比例综合计算词语整体相似度。……