一种利用WordNet多种语义特征计算词汇语义权重的方法

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种利用WordNet多种语义特征计算词汇语义权重的方法。

背景技术

词汇词的语义权重使我们能够理解它们的实际含义，从而增加了词汇词的向量表示。本发明将提高多种自然语言处理应用的性能，包括词义消歧、文本分类、信息提取和自动机器翻译。词汇词的语义权重使我们能够理解它们的实际含义，从而增加了词汇词的向量表示。通过提高词汇词向量表示的质量，可以提高词义消歧、文本分类、信息提取和自动机器翻译等自然语言处理应用的效率。大多数现有的基于WordNet的方法仅关注WordNet的单个语义特征来访问词汇词的语义权重，这限制了这些方法的性能。本发明基于WordNet(https://wordnet.princeton.edu/)的多重特征，开发了一种新的语义权重计算方法。这种方法提高了理解词汇单词实际含义的能力。

现有的基于WordNet的语义权重计算方法大多依赖WordNet的单个特征来计算词汇词的语义权重，这降低了其性能。现有的方法也不能有效利用WordNet的个体特征计算词汇词的语义权重，不能开发一种基于WordNet的多个语义特征聚合词汇语义权重的方法。

发明内容

本发明的目的在于提供一种利用WordNet多种语义特征计算词汇语义权重的方法。

本发明的思想在于利用英文版WordNet 3.1词汇数据库作为知识资源来计算词汇词的语义权重。利用Python编程语言版本3.8和Python自然语言工具包库(NLTK)https://www.nltk.org/探索WordNet功能和数据预处理。

为了实现上述发明目的，本发明采用技术方案具体为：

一种利用WordNet多种语义特征计算词汇语义权重的方法，所述方法包括：

步骤一、选定词汇，将词汇分为WordNet Gloss、WordNet Hypernym和WordNetHyponym三个特征；

步骤二、基于步骤一的Gloss的计算词汇词语义权重；

步骤三、基于步骤一Hypernym的计算基于词汇词语义权重；

步骤四、基于步骤一Hyponym的计算词汇词语义权重；

步骤五、聚合WordNet的步骤二至三的特征计算词汇词的语义权重。

所述步骤一中选定词汇，将选定的词汇使用WordNet的各个特征计算词汇的语义权重，通过WordNet的三个主要特征来表示每个词汇；

(W)

其中，(W)

所述步骤二中基WordNet Gloss的词汇词(W)的语义权重表示为SWeight(W)

其中，函数Fre(W)

所述步骤三中基于WordNet Hypernyms的词汇词(W)的语义权重表示为SWeight(W)

其中，函数|Count(W)

所述步骤四中基于WordNet Hyponyms的词汇词的语义权重表示为SWeight(W)

函数|Count(W)

所述步骤五中基于WordNet多个特征的词汇词的聚合语义权重表示为SWeight(W)

函数SWeight(W)

与现有技术相比，本发明的有益效果为：

(1)本发明提高了理解词汇单词实际含义的能力。

(2)基于WordNet Gloss、WordNet Hypernym和WordNet Hyponym计算词汇词的语义权重。

(3)通过聚合WordNet的多个特征来呈现词汇词的语义权重开发了一种基于WordNet的多个语义特征聚合词汇语义权重的方法。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1为本发明流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。当然，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1

参见图1，本发明提供其技术方案为，一种利用WordNet多种语义特征计算词汇语义权重的方法，所述方法包括：

步骤一、选定词汇，将词汇分为WordNet Gloss、WordNet Hypernym和WordNetHyponym三个特征；

步骤二、基于步骤一的Gloss的计算词汇词语义权重；

步骤三、基于步骤一Hypernym的计算基于词汇词语义权重；

步骤四、基于步骤一Hyponym的计算词汇词语义权重；

步骤五、聚合WordNet的步骤二至三的特征计算词汇词的语义权重。

所述步骤一中选定词汇，将选定的词汇使用WordNet的各个特征计算词汇的语义权重，通过WordNet的三个主要特征来表示每个词汇；

(W)

其中，(W)

所述步骤二中基WordNet Gloss的词汇词(W)的语义权重表示为SWeight(W)

其中，函数Fre(W)

所述步骤三中基于WordNet Hypernyms的词汇词(W)的语义权重表示为SWeight(W)

其中，函数|Count(W)

所述步骤四中基于WordNet Hyponyms的词汇词的语义权重表示为SWeight(W)

函数|Count(W)

所述步骤五中基于WordNet多个特征的词汇词的聚合语义权重表示为SWeight(W)

函数SWeight(W)

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。