集合语义空间提高动提取同义词能力

集合语义空间提高动提取同义词能力

1. 文章出发点：医学界需要统一医学文章的专用词语言，从而针对医学文本同义词提取精度有限的问题，进行提高同义词从其他语义关系中分离开的能力。
2. 方法概括：（1）语料库预处理 （2）从两个语料库（和联合语料库）构建语义空间，（3）识别最有利的单个语料库（和联合语料库））组合，（4）识别最有利（不相交）的多语料组合，（5）单个语料库（包括联合语料库）和多个语料库组合的评估，（6）候选术语的后处理，和（7）频率阈值实验。
3. 具体步骤：
   运用材料：（1）临床语料库，包括健康记录的注释，和 （2）医学语料库，包括医学期刊文章
   主要概念：RI随机索引：RI是LSA的增量，通过分配稀疏的、内部的和随机生成的d维索引向量来实现 给予某一术语静态的唯一表示值，为每个唯一术语分配相同维度d的初始空上下文向量。然后通过添加目标术语出现的上下文的（加权）索引向量，用上下文信息递增地填充上下文向量。
   【然而LSA是什么呢】LSA是潜在语义分析，具体说来就是对一个大型的文档集合使用一个合理的维度建模，并将词和文档都表示到该空间，而将文档表示到此空间的过程就是SVD奇异值分解和降维的过程。

具体的做法是将词项文档矩阵做SVD分解，其中是以词项(terms)为行, 文档(documents)为列做一个