28、减少大型语义图以提高语义相关性

减少大型语义图以提高语义相关性

1. 引言

在语义相关领域，旨在开发一种能以任意给定语义图为源创建语义度量的方法。SemArachne 方法不依赖对语义图的特定知识，基于邻近性而非距离的概念，考虑连接两个术语的所有路径，路径权重取决于边的类型，并且能自动调整这些权重。

之前使用 WordNet 2.1 和 WordSimilarity 353 数据集验证时，取得了比文献中更好的结果。但随着语义图规模增大，如 WordNet 较新版本或其他语义源（DBpedia、Freebase），节点和边类型增多，图变得更大更密集。SemArachne 考虑所有路径，处理路径数量增加，而图的平均节点度高会降低其效率。

为解决此问题，本文探索减少边类型数量同时保留所有节点的方法，即逐步构建原始语义图的子图。从全断开的图开始，每次迭代添加一种新的边类型，直到语义度量质量无法进一步提高，同时对 SemArachne 使用的语义度量进行了一些小调整。

2. 相关工作

语义度量用于衡量术语间语义关系的强度，语义源主要分为两类：
- 非结构化和半结构化文本 ：如纯文本或字典，基于词分布假设，主要用于分布方法，包括空间/几何方法、基于集合的方法和概率方法。
- 计算机可理解资源 ：知识明确结构化和建模，基于此的语义度量依赖利用语义图或更高形式知识表示的技术，主要用于基于知识的方法，包括结构方法、基于特征的方法和香农信息论方法。

基于知识的方法能控制比较元素时考虑的边类型，实现简单、复杂度低，但需要包含所有待比较元素的知识表示，使用大型知识源时计算复杂度