30、基于文本的网络语料库自动分类法构建中的词义消歧

基于文本的网络语料库自动分类法构建中的词义消歧

1. 引言

如今，网络上数字化存储的文档数量不断增加，但很多文档的组织方式缺乏结构。通过创建分类法来结构化组织这些文档，有助于提升对可用文档的整体认知。分类法是一种特殊的本体，能为用户提供领域概念之间的类型关系。

目前，许多分类法是手动创建的，虽然手动构建通常更准确，但自动生成分类法成本更低、耗时更少。网络上存在大量未关联和缺乏结构的信息，自动分类法构建能够促进网站和工具之间的互操作性。尽管已有大量关于自动分类法构建的文献，但聚焦于应用词义消歧（WSD）的文献较少，而WSD已被证明能改善聚类结果。

本文的主要贡献有四点：
1. 分析WSD对分类法构建的影响。
2. 研究自动文本分类法构建（ATCT）框架中各方法的最优参数。
3. 修改已有包含算法，考虑祖先节点相对于当前节点的位置。
4. 展示该方法在经济学、管理学和医学领域的应用。

2. 相关工作

从文本语料库中提取术语的方法有语言学方法、统计方法和混合方法：
- 语言学方法 ：通常使用自然语言处理（NLP）技术，如词性标注、形态分析和词汇句法模式，但不考虑术语的重要性。
- 统计方法 ：仅使用统计技术提取术语，可能会过滤掉出现频率较低但重要的术语。
- 混合方法 ：结合卡方检验、术语长度等，弥补了前两种方法的不足。

词义消歧有多种相似性度量方法，如Resnik相似度计算速度快但可能不准确，Jiang和Conrath的相似度度量更准确，考