[发明专利]一种基于相关词主题的语义消歧方法和系统

权利要求书

1.一种基于相关词主题的语义消歧方法，其包括：

基于相关词主题挖掘相关词；

对每个词进行编号并建立对应的频率特征向量；

计算词与词之间的互信息值，并将互信息值作为特征向量；

计算词与词之间的相似度及单个词的相关词；

语义消歧。

2.根据权利要求1所述的方法，所述的挖掘相关词的步骤中包括从大规模语料库中，按照分词与词性标注的方法，挖掘大量词的属性信息，并对这些词的属性信息进行统计和过滤。

3.根据权利要求2所述的方法，所述的分词采用最大的分词粒度进行分词。

4.根据权利要求2所述的方法，所述的大量词的属性信息为三元共现信息或/和二元搭配，或/和二元搭配与单字。

5.根据权利要求4所述的方法，所述的二元搭配词进行统计前，对二元搭配词进行词性的限制。

6.根据权利要求4所述的方法，所述的词的属性信息为单字时，限定单字是预先保留在白名单中的。

7.根据权利要求4所述的方法，所述的语义消歧通过统计三元共现信息进行消歧。

8.根据权利要求4所述的方法，所述的语义消歧通过二元搭配词的互信息求交集的方法进行消歧。

9.根据权利要求1所述的方法，其中计算词与词之间的互信息值的步骤通过如下公式计算互信息值：

PMI(W1=w1,W2=w2)=log2P(w1,w2)P(w1)P(w2)]]>

其中，PMI（W₁=w₁，W₂=w₂）表示w₁、w₂两个词的互信息值，P（w₁，w₂）表示w₁、w₂两个词共同出现的次数，P（w₁）表示w₁单独出现的次数，P（w₂）表示w₂单独出现的次数。

10.根据权利要求9所述的方法，其中计算词之间的相似度采用余弦或信息半径方法。

11.一种基于相关词主题的语义消歧系统，包括相关词挖掘模块、语义相关词计算模块以及语义消歧模块，其中：

所述的相关词挖掘模块，基于相关词主题对相关词进行挖掘；

所述的语义相关词计算模块，用于对每个词进行编号并建立对应的频率特征向量、计算词与词之间的互信息值并将互信息值作为特征向量、计算词与词之间的相似度及单个词的相关词；

所述的语义消歧模块，用于语义消歧。

12.根据权利要求11所述的系统，其中：

所述的相关词挖掘模块从大规模语料库中，按照分词与词性标注的方法，挖掘大量词的属性信息，并对这些词的属性信息进行统计和过滤。