[发明专利]一种基于最短路径的词语相关性判定方法

权利要求书

1.一种基于最短路径的词语相关性判定方法，其特征在于：

Step1：建立词语数据库获取词典中所有词语X_i,i∈[1,N]及对应的词性X_i′,i∈[1,N]、释义并建立词语数据库N代表词语数据库中词语的总个数，词性X_i′,i∈[1,N]有名词pro_n、动词por_v、形容词por_adj和其他词性por_other；

Step2：词语数据清洗；对词语数据库中的释义进行去标点符号、去停用词、去分词处理，得到词语X_i,i∈[1,N]所对应的词条并将词条存入词语数据库具体如Step2.1～Step2.4所示；

Step2.1：去标点符号操作；利用标点符号库对词语数据库中的释义进行去标点符号操作，包括中文标点符号、英文标点符号及特殊符号，生成去标点符号后的释义

Step2.2：去停用词操作；利用停用词库对去标点符号后的释义进行去停用词操作，生成去停用词后的释义

Step2.3：分词操作；利用分词算法对去停用词后的释义进行分词操作，生成词条词条包含一系列词语分词算法采用结巴分词开源算法或IK分词开源算法，M代表词条中词语的总个数；

Step2.4：存储操作；将词语X_i,i∈[1,N]所对应的词条存入词语数据库

Step3：输入词语T、H，从词语数据库中获取词语T的词条

Step4：对词语T的词条进行解析、递归，得到词语T至H的最短距离L(T→H)，具体如Step4.1～Step4.2所示；

Step4.1：定义递归函数，即词语X通过词语数据库获取对应的词条若词条中包含词语H，即满足则退出；否则使其一直循环递归，并使距离L(T→H)自增；若距离L(T→H)＞P₃则直接退出；

Step4.2：初始化词语T至H的距离L(T→H)＝0，对词语T的词条中词语进行Step4.1递归计算，得到一系列词语T至H的距离L_j(T→H),j∈[1,M]，根据公式(1)从中选择出最小的距离作为词语T至H的最短距离L(T→H)；

L(T→H)＝Min(L_j(T→H)),j∈[1,M] (1)

Step5：根据公式(2)所示匹配定义，得到词语T、H之间的相关性；

其中，P₁、P₂、P₃代表区分阈值。