【正文】 Sons, Ltd., 1971. [38] . Shannon, “通信的數(shù)學(xué)理論 ,” Bell System and Technical J., vol. 27, pp. 379423, 623656, 1948. [39] D. Cai, “IfD— 信息鑒別 ,” PhD dissertation,Univ. of Glasgow, 20xx. [40] D. Cai, “應(yīng)用杰森差異測(cè)量鑒別信息而確定語義相似性 ,”Int’l J. Intelligent Systems, vol. 24, no. 5, pp. 477503, 20xx. [41] . Good, 證據(jù)的概率和權(quán)重 . Charles Griffin,1950. [42] D. Cai and . Van Rijsbergen, “重新審議鑒別信息測(cè)量的基本原理 ,” Proc. First Int’l Conf. Theory of Information Retrieval (ICTIR ’07), pp. 151158, 20xx. [43] TreeBASE, 20xx. [44] . Robertson and S. Walker, “Okapi/Keenbow at TREC8,” Text REtrieval Conf. (TREC8), pp. 151161, 1999. 。 28 參考文獻(xiàn) [1] C. Fellbaum, 詞匯網(wǎng)絡(luò)：一個(gè)電子詞匯數(shù)據(jù)庫(kù) . The MIT Press, 1998. [2] G. Miller, “詞匯網(wǎng)絡(luò)：一個(gè)在線詞匯數(shù)據(jù)庫(kù) ,” Int’l , Special Issue, vol. 3, no. 4, pp. 235244, 1990. [3] . Turney, “相似的語義關(guān)系 ,” 計(jì)算機(jī)語言學(xué) ,vol. 32, ,pp. 379410, 20xx. [4] I. Dagan, “上下文的詞語相似度 ,” 自然語言處理手冊(cè) , pp. 459475, Marcel Dekker, Inc., 20xx. [5] A. Budanitsky and G. Hirst, “基于 WordNet的詞匯語義相關(guān)措施 的 評(píng)價(jià) ,” 計(jì)算機(jī)語言學(xué) ,vol. 4, no. 1, pp. 149, 20xx. [6] A. Budanitsky and G. Hirst, “在 WordNet的語義距離：五項(xiàng)面向應(yīng)用的評(píng)價(jià)實(shí)驗(yàn) ,”Proc. Workshop WordNet and Other Lexical Resources, Second Meeting of the North Am. Chapter of the Assoc. for Computational Linguistics, pp. 2934, 20xx. [7] D. Moldovan, A. Badulescu, M. Tatu, D. Antohe, and R. Girju, “名詞短語的語義分類模型 ,” Computational Lexical Semantics, pp. 6067, 20xx. [8] V. Nastase and S. Szpakowicz, “探索名詞修飾詞的語義關(guān)系 ,” Proc. Fifth Int’l Workshop Computational Semantics, pp. 285301, 20xx. [9] . Turney, . Littman, J. Bigham, and V. Shnayder,“結(jié)合獨(dú)立的模塊來解決選擇題的同義詞和類比問題 ,” Proc. Int’l Conf. Recent Advances in Natural Language Processing, pp. 482489, 20xx. [10] J. Morris and G. Hirst, “詞匯銜接詞庫(kù)的關(guān)系作為一個(gè)文本結(jié)構(gòu)的指標(biāo)計(jì)算 ,” Computational Linguistics, vol. 17, no. 1, pp. 2148, 1991. [11] . Landauer and . Dumais, “柏拉圖問題的一個(gè)解決方案：獲取的潛在語義分析理論 ， 歸納并知識(shí)表示 ,” Psychological Rev.,vol. 104, no. 2, pp. 211240, 1997. [12] K. Frantzi, S. Ananiadou, and H. Mima, “自動(dòng)識(shí)別多字的詞 ,” Int’l J. Digital Libraries, vol. 3, no. 2,pp. 117132, 20xx. [13] R. Florian and D. Yarowsky, “建模共識(shí)：詞義消歧的分類結(jié)合 ,” Proc. Methods in Natural Language Processing, pp. 2532, 20xx. [14] . Lee, . Kim, and . Lee, “基于繼承 層次結(jié)構(gòu)的概念距離的信息檢 29 索 ,” J. Documentation,vol. 49, pp. 188207, 1993. [15] R. Richardson, A. Smeaton, and J. Murphy, “應(yīng)用 WordNet知識(shí)庫(kù)測(cè)量詞的語義相似性 ,” Proc. Artificial Intelligence and Cognitive Science (AICS)Conf., 1994. [16] C. Corley and R. Mihalcea, “測(cè)量文本的語義相似 ,” Proc. ACL Workshop Empirical Modeling of Semantic Equivalence and Entailment, pp. 1318, 20xx. [17] I. Dagan, L. Lee, and . Pereira, “基于相似性的詞共現(xiàn)概率模型 ,” Machine Learning, special issue on natural language learning, vol. 34, nos. 13, pp. 4369, 1999. [18] G. Hirst and A. Budanitsky, “恢復(fù)詞匯銜接以實(shí)時(shí)糾正單詞拼寫錯(cuò)誤 ,” Natural Language Eng.,vol. 11, no. 1, pp. 87111, 20xx. [19] L. Lee, “分布相似的措施 ,” Proc. 37th of the Assoc. for Computational Linguistics, pp. 2532, 1999. [20] I. Marx, Z. Dagan, J. Buhmann, and E. Shamir, “聚類群：一個(gè)結(jié)構(gòu)一致的檢測(cè)方法 ,”J. Machine Learning Research, vol. 3, pp. 747780, 20xx. [21] S. Mohammad and G. Hirst, “作為代理的分布式語義相關(guān)措施 ,” 20xx. [22] S. Mohammad and G. Hirst, “概念距離的分配方法：一個(gè)面向任務(wù)的評(píng)價(jià) ,” Proc. Conf. Empirical Methods in Natural Language Processing, 20xx. [23] S. Mohammad and G. Hirst, “利用詞庫(kù)確定詞義優(yōu)勢(shì) ,” Proc. 11th Conf. European Chapter of the Assoc. for Computational Linguistics, pp. 121128, 20xx. [24] P. Pantel and D. Lin, “從文本中發(fā)現(xiàn)詞義 ,” SIGKDD, pp. 613619, 20xx. [25] P. Resnik, “分類學(xué)中的語義相似性：基于測(cè)量及其在自然語言中關(guān)于不確定問題的應(yīng)用的信息 ,” J. Artificial Intelligence Research, vol. 11, pp. 95130, 1999. [26] N. Seco, T. Veale, and J. Hayes, “在 WordNet中關(guān)于語義相似性的內(nèi)在信息量度量方法 ,” Proc. 16th European Conf. Artificial Intelligence, 20xx. [27] J. Weeds and D. Weir, “共現(xiàn)檢索：詞匯分布相似的靈活框架 ,” Computational Linguistics, vol. 31, no. 4, pp. 439475, 20xx. [28] L. Han, L. Sun, G. Chen, and L. Xie, “ADDS:確定語義相似性的一種方法 ,” Advances in Eng. Software,vol. 37, no. 2, pp. 129132, 20xx. 30 [29] . Jiang and . Conrath, “基于語料庫(kù)的統(tǒng)計(jì)和詞匯分類的語義相似性 ,” Proc. 10th Int’l Conf. Research in Computational Linguistics, pp. 1933, 1997. [30] V. Pekar and S. Staab, “基于結(jié)合分布措施和語義相似性的字分類 ,” Note Sessions of the 10th Conf. European Chapter of the Assoc. for Computational Linguistics, pp. 147150, 20xx. [31] . Rodriguez and . Egenhofer, “從不同的本體論中確定實(shí)體類之間語義相似性 ,” IEEE Trans. Knowledge and Data Eng., vol. 15, no. 2, pp. 442456, . [32] D. Cai and . Van Rijsbergen, “從鑒別信息中學(xué)習(xí)語義相關(guān)性 ,” Expert Systems with Applications, vol. 36, no. 2, pp. 18601875, Mar. 20xx. [33] S. Kullback, 信息理論和統(tǒng)計(jì) . Wiley, 1959. [34] R. Sibson, “信息半徑 ,” Z. Wahrsch’Theorie and Verw. Geb,vol. 14, pp. 149160, 1969. [35] . Rao, “多樣性：測(cè)量、分解、分配及分析 ,” Sankhya: Indian J. Statistics, vol. 44, pp. 122, 1982. [36] A. Re180。 ●為鑒定詞之間的密切聯(lián)系，解決上面問題的方法為選定的詞查證不等式（ 15）或（ 16）。因此 ， —— 0),( 21 ?? ??trelD 并不指 ):(s up 21 HHtD ? 。前者關(guān)心的僅僅是 )()(0 tifdiD 和 *0iV中感興趣的詞；而后者關(guān)心的是 CV? 中的)()( tifdiD 。 27 —— 如果 *1Vt? ,則 t在表達(dá) A時(shí)是有情報(bào)的，盡管 0)( ?tifdD ●我們介紹一個(gè)直觀而正式的定義： 兩詞之間的關(guān)聯(lián)性。通過散度措施 D中詞 )(tifdD 和子項(xiàng) )()( tifdiD ，我們定量表示了它。 ●我們?yōu)橐粋€(gè)基本的概念引入了一個(gè)正式定義：詞所傳達(dá)的鑒別信息。 如前所述， 許多優(yōu)秀的研究實(shí)驗(yàn)驗(yàn)證，采用散度測(cè)定方法去建立為選擇信息詞的關(guān)聯(lián)性測(cè)定方法是很有益的，本文的重點(diǎn)是在理論分析和正式討論，讀者感興趣的是我們的正式討論是如何能被一些經(jīng)驗(yàn)證據(jù)所支持，這些經(jīng)驗(yàn)證據(jù)是來自所引用的一些文獻(xiàn)的性能實(shí)驗(yàn)。當(dāng)它們應(yīng)用在描述 +標(biāo)題或僅僅標(biāo)題查詢時(shí)，性能增加是很有意義的。 ),( 1?trelI 和 ),( 21 ?? ?trelJ 應(yīng)用在查詢的不同部分時(shí)，它們顯示的性能很相似，當(dāng)與 ),( 21 ?? ?trelK 比較時(shí)，在所有的評(píng)估點(diǎn)上，它們都幾乎劣于),( 21 ?? ?trelK 。從實(shí)驗(yàn)結(jié)果，可以得到如下結(jié)論： ●擴(kuò)展查詢比基準(zhǔn)能取得更好的性能，這些改進(jìn)表現(xiàn)在所有評(píng)估點(diǎn)上，在對(duì)所有產(chǎn)查詢的不同部 分，和對(duì) 6個(gè)關(guān)聯(lián)性測(cè)定方法上。 圖 4的實(shí)驗(yàn)結(jié)果由平均檢索性能（超過 50個(gè)查詢）組成，分別取自（表示21 ??? ?? ）：原始查詢（基準(zhǔn)），和從第一、第二組 關(guān)聯(lián)測(cè)定詞取得的擴(kuò)展查詢 。每個(gè)查詢都分別產(chǎn)生于 TREC 主題（ 351400）之一的標(biāo)題領(lǐng)域（僅由標(biāo)題表示），標(biāo)題和描述域（ 描述 +標(biāo)題）和全文本（純文本表示 ） 。第二組是 ),( 1* ?trelI ，),( 21* ?? ?trelJ 和 ),( 21* ?? ?trelK ，它們分別在式 (23)(25)給出了。 這個(gè)例子顯示了我們開展的關(guān)聯(lián)反饋過程實(shí)驗(yàn)的一部分，關(guān)聯(lián)測(cè)量的兩組詞都是選自 A中密切相關(guān)的詞。q ）的重新加權(quán)函數(shù)為39。 為調(diào)查每個(gè)關(guān)聯(lián)性測(cè)定方法對(duì)改進(jìn)性能的貢獻(xiàn)到底有多少，我們 進(jìn)行了多項(xiàng)實(shí)驗(yàn)。查詢擴(kuò)展是一門技術(shù)，它 修正用戶的查詢以便達(dá)到更