[发明专利]一种知识驱动的英汉单词语义相似度自动检测方法

权利要求书

1.一种知识驱动的英汉单词语义相似度自动检测方法，其特征在于，包括如下步骤：

步骤1、基于Eclipse的MongoDB JDBC驱动，在本地MongoDB中建立数据库并建立collection，将HowNet数据库中的语义词典和义原分类树二次加工导入到MongoDB中；

步骤2、人工分析MongoDB中的数据即语义词典和义原分类树中的词之间的关系，对分析出来的数据关系进行加工处理，实现关系值的量化计算；

步骤3、基于Eclipse的WindowBuilder插件为工具提供可视化应用界面，提供输入和输出接口。

2.根据权利要求1所述的英汉单词语义相似度自动检测方法，其特征在于，所述步骤2具体包括如下内容：

步骤2.1、根据词语在语义词典中的定义，分析HowNet的最基本文件的存储集合semanticdictionary；

步骤2.2、对MongoDB中存储的atomtree集合进行分析；

步骤2.3、进行数据处理。

3.根据权利要求2所述的英汉单词语义相似度自动检测方法，其特征在于，所述步骤2.1中，词语在语义词典中的定义包括以下三种情况：

如果两个词语的定义完全一样，则是同义词；

如果两个词语的定义是部分相同的或者存在包含关系，则存在相似性；

如果两个词语的定义毫无相同，则没有关系。

4.根据权利要求2所述的知识驱动的计算英汉单词语义相似度的方法，其特征在于，所述步骤2.3中，定义两个词语Word₁、Word₂；所述Word₁含有m个义项：def₁,def₂,……，def_m，构成集合DEF₁；所述Word₂含有n个义项：def₁,def₂,……，def_n，构成集合DEF₂；每个DEF集合中的重复def只算作一个，每个def由不定数的义原atom_i’组成一个集合；

步骤2.3.1、将Word₁的DEF₁集合和Word₂的DEF₂集合进行比较，计算出相同的def占DEF集合的势的比率；

步骤2.3.2、去除两个DEF集合中的相同的def，将DEF₁中剩下的每一条def分别与DEF₂剩下的每一条def进行比较，在任意对def集合中，首先比较主属性即第一个atom是否相同，如果相同，给定主属性的相似度为1，否则为0；

步骤2.3.3、针对每对def集合中去除第一个atom后剩下的atom，计算相同的atom的占比和其余的atom之间的相似度，将主属性的相似度、相同atom的占比和其余atom之间的相似度加权计算得到每对def集合的相似度；

步骤2.3.4、对于不同的部分给相应的权重，使得结果在0～1的范围内。

5.根据权利要求1所述的英汉单词语义相似度自动检测方法，其特征在于，所述步骤3中工具包括precount包和connect包。

6.根据权利要求5所述的英汉单词语义相似度自动检测方法，其特征在于：所述precount包包括Treecount类和TreeHigh类。

7.根据权利要求5所述的英汉单词语义相似度自动检测方法，其特征在于：所述connect包包括ConnectMongoDB类、GetDocument_HowNet接口、GetDocument_Atom接口、SimAtom_Eng_Chi类、SimWord类和Tool类。