search花絮之语义处理

 

语义处理是自然语言处理前沿的热点，其关键作用正逐渐成为学科领域的共识，而我们的中文信息处理强项也在于语义处理，所以很自然就想把这一优势具体体现到搜索项目中来——但毫无疑问这是一个摸索的过程。

最初我负责标题分析的研究，曾随机抽取了一些标题示例，例如：

 

“移动存储设备”的例子

[[+[移动存储设备]与[读写识别设备]]的[安全[认证方法]]]

[[改变移动存储设备[+功能或状态]]的方法]

[[一种实现随身[+电脑与计算机]间交换数据]的方法]

[[基于USB移动存储技术]的[+[便携式信号[发生方法]]及系统]]

[[可移动]存储装置]

[数字音乐播放装置]

1.       “医药”的例子

[化合物的[+[制取方法]及其应用]]

[[[^[[从低纯铝制备]的[铝溶胶]]中]脱除杂质]的方法]

[经改进的[[抗炎]组合物]的[制备方法]]

[三唑杀[真菌剂]]

[薄层电池]

[流体杂质分离器]

2.       “农业”的例子

[[制取三唑醇]的方法]

[能引起生物[+[效应的[搪瓷板]]及其[制造方法]]]

[[一种用深层培养菌丝体制作蘑菇栽培种]的工艺]

[微型多功能人力套播机]

3.       其他

[一种烤[+[羊腿]、[羊排]或猪排][制作方法]]

[[一种用于高[折光率]镜片]的[[可聚合]组合物]]

 

这些例子中有一些标注符号，是当时（去年8月份）短语处理研究的中间结果。而这次标题分析就是在这个基础上，分析语义的结构及其在检索中的应用。

随意看几个例子，如“[数字音乐播放装置]”，这是一种装置，是用来“播放”“音乐（数字音乐）”的，一目了然的信息也就是其语义结构（从短语结构变换迩来相对容易），而无论是“播放磁带音乐的设备”，还是“数字音乐的处理装置”，都是具有一定相似性的。再如，“[化合物的[+[制取方法]及其应用]]”，既包括方法又包括应用，但其核心特征就是“制取化合物”。这种语义结构从其短语结构中进行变换获取时具有一定难度。但对于任意具有这种特征的标题中，相似度应该都比较高。

所以一般的说，研究语义处理在检索中的应用，自然而然就面对两个问题：

 

u       语义结构的定义与获取

u       语义结构对检索的影响参数的量化

 

对这两个问题进行回答，并在实践中进行评测检验，其意义是十分重大的；也是在检索中做语义处理的根本入口。