29、优化语义相关性：语义图缩减与营养信息混合表示

优化语义相关性：语义图缩减与营养信息混合表示

语义图缩减以提升相关性

随着语义图的发展，其规模不断增大。更大的图能关联更多术语，提升了作为相关性度量语义源的潜力，但也给像 SemArachne 这类几乎考虑所有节点间路径的语义度量带来了挑战。

以下是 SemArachne 与文献中方法在不同版本 WordNet 上的 Spearman 相关性对比：
| Graph | Data set | Edges selected | SemArachne correlation | Literature correlation | Author |
| — | — | — | — | — | — |
| WordNet 2.1 (26 edge types) | MC30 | 14 | 0.81 | 0.82 | Strube et al. |
| WordNet 2.1 (26 edge types) | RG65 | 8 | 0.60 | 0.86 | Strube et al. |
| WordNet 2.1 (26 edge types) | WS - 353 | 21 | 0.45 | 0.36 | Strube et al. |
| WordNet 3.0 (47 edge types) | MC30 | 16 | 0.80 | N/A | Agirre et al. |
| WordNet 3.0 (47 edge types) | RG65 | 9 | 0.63 | 0.78 | Agirre et al. |
| WordNet 3.0 (47 edge types) | WS - 353 | 20 | 0.48