基于多重继承与信息内容的知网词语相似度计算 - 论文及代码讲解

论文：《基于多重继承与信息内容的知网词语相似度计算》-2017-张波，陈宏朝等 查看
代码：https://github.com/yaleimeng/Final_word_Similarity

总体感受：
太乱了，有可能是之前没怎么接触这块。
看论文，搞不懂怎么回事，义项、义原是啥，怎么这么多定义，到头来还是不懂两个词的相似度怎么计算，比哈工大词林那篇论文复杂多了。
看代码，函数调来调去，一会这个判断一会那个判断，不明白为啥要这么干，光读词表就看着很费劲。
（程序可能还有bug，调试时有时不能正确运行）

概念

义原：义原是描述义项的最基本单位，分为事件、实体、属性、属性值、数量、数量值、次要特征、语法、动态角色和动态属性等 10 大类，2000 版的知网共有 1618 个义原。 通过上下位关系，所有的知网义原组成一个树状义原层次体系，如图 1 所示。
义项：知网中所有的义项（又称“概念”）并不是组织为树状概念结构，而是采用“义原”对义项进行描述定义。

如图 2 所示，由于一个词语可能有多个义项，每一个义项可能有多个上位节点
（抽象概念或实概念），所以体现了义项网的多重继承特征， 但这种多重继承仅表现在叶子节点（义项） 上。

义项存储在glossary.txt文件中，如：

义原存储在WHOLE.DAT中，如：

example.py

在for w1, w2 in zip(MC30_A, MC30_B):下面加上一些调试信息：

    for w1, w2 in zip(MC30_A, MC30_B):
        #debug
        if w1!='起重机':
            continue
        hybrid = HybridSim.get_Final_sim(w1, w2)
        print('使用混合方法计算，相似度为：', hybrid)

这样可以比较“起重机”和“器械”之间的相似度，进入get_Final_sim()函数，设置断点。

HybridSim.py

进入cls.how_net.calc(w1, w2)函数。

howNet.py

查看sw1和sw2:
通过单词找出更多相关信息

sw1只有一个值
sw2有两个值。

sw2，对应词表文件glossary.txt为：

变量结果为：

在sw1和sw2中计算所有组合的相似度，取最大值：

对应论文：

进入calcGlossarySim()函数：

对应论文：

进入calcSememeSimFirst(w1, w2)函数，实际上是calcSememeSim(self, w1, w2, )：

对应论文：

进入calcSememeDistance(self, w1, w2)：#计算义原之间的距离(义原树中两个节点之间的距离，具体算法要看刘群的论文)

getSememeByZh(w1)，根据中文词汇找到义原信息。

根据该节点，找到父亲节点（从WHOLE.DAT文件算出来的），一直找上去：
//这样两个子节点就可以找到公共父亲节点，如果节点离根节点越远，说明两个词越相似。

WHOLE.DAT文件相关内容：

  872  machine|机器                         871
  871  implement|器具                       859
  859  artifact|人工物                      834
  834  inanimate|无生物                     815
  815  physical|物质                        814
  814  thing|万物                           813
  813  entity|实体                          813

最后一步步返回，计算出cls.how_net.calc(w1, w2)，两个词的相似度。

完成。