基于MDL和LSC的语义优选方法  

Semantics Preference Method Based on MDL and LSC

作　　者：李东明[1] 张丽娟[2] 赵伟[1] 石晶[2] 

机构地区：[1]吉林农业大学信息技术学院,长春130118 [2]长春工业大学计算机科学与工程学院,长春130012

出　　处：《计算机工程》2011年第17期15-18,共4页Computer Engineering

基　　金：吉林省科研发展计划科技支撑基金资助重点项目(20100214);吉林省科技发展计划青年基金资助项目(20100155)

摘　　要：为实现谓语动词对论元的自动选择,提出基于最小描述长度(MDL)和潜在语义聚类(LSC)的语义优选方法。基于MDL原则计算与动词搭配的名词的δsc值,根据LSC模型的EM算法求取动、名词的搭配概率P(v,n),并针对每一对动、名词计算δsc和P(v,n)之和,将其作为衡量两者语义关联度的标准。实验结果表明,该方法的F1值达到85.26%,优于单独使用MDL或LSC方法。To solve automatic predicate-verb choosing for argument,this paper gives semantics preference method based on Minumum Description Length（MDL） and Latent Semantic Clustering（LSC）.MDL is used to calculate of each verb-noun pair.The probabilities of a verb preferring for a noun P（v,n） is computed based on LSC model and EM is used to evaluate the parameters.For the same verb-noun pair,the sum of and P（v,n） is considered to represent the association between the verb and the noun.Experiments show the F1 reaches 85.26%,and it is better than MDL or SCL methods.

关 键 词：语义优选 最小描述长度 潜在语义聚类 无指导学习 期望极大化 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]