張李義　崔恒

[摘要]本文對(duì)《漢語(yǔ)主題詞表》（工程技術(shù)版）概念與英文超級(jí)科技詞表概念的映射進(jìn)行研究，建立優(yōu)化的漢對(duì)英有序映射模式，并采用基于谷歌距離的語(yǔ)義相似度算法進(jìn)行實(shí)驗(yàn)，計(jì)算英文詞之間的語(yǔ)義距離，導(dǎo)入原有漢英映射信息。通過實(shí)驗(yàn)分析，獲得了按相似度排序的漢英映射模式，實(shí)現(xiàn)了多個(gè)英文詞匯與漢詞的對(duì)應(yīng)并由高到低排列出來(lái)。該方法獲得的排序結(jié)果基本滿足要求，部分詞語(yǔ)需要人工修正。

[關(guān)鍵詞]語(yǔ)義相似度；漢語(yǔ)主題詞表；谷歌距離；概念映射

DOI：10.3969/j.issn.1008-0821.2015.03.001

[中圖分類號(hào)]TP391；G25 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1008-0821（2015）03-0003-05

詞表映射研究是研究和建設(shè)跨語(yǔ)言信息檢索（Cross Language Information Retrieval，CAJR）的基礎(chǔ)，本文的目標(biāo)是通過計(jì)算映射詞語(yǔ)的相同程度來(lái)解決跨語(yǔ)言搜索結(jié)果的有序排列問題，其關(guān)鍵在于獲取語(yǔ)義距離和改進(jìn)現(xiàn)在的映射規(guī)則。研究雙語(yǔ)言或多語(yǔ)言的CLIR是一個(gè)熱門的話題，《漢語(yǔ)主題詞表》（工程技術(shù)版）（以下簡(jiǎn)稱《漢表》）與英文超級(jí)科技詞表分別用于進(jìn)行中外文科技文獻(xiàn)的知識(shí)組織，而兩者的相互映射正是為了實(shí)現(xiàn)對(duì)中外文文獻(xiàn)資源的跨語(yǔ)言檢索；考慮到兩個(gè)詞表知識(shí)體系的差異和語(yǔ)義映射的復(fù)雜性，本文不進(jìn)行知識(shí)概念體系、詞間關(guān)系和范疇體系等方面的語(yǔ)義映射，主要研究基于概念的映射模型和方法。

本文以《漢表》的概念作為源（Source）概念，英文超級(jí)科技詞表的概念作為目標(biāo)（Target）概念，參考并修訂W3C的詞表映射規(guī)則，建立映射模型?！稘h表》概念具有上下位、多層次關(guān)系，英文超級(jí)科技詞表概念也是網(wǎng)狀關(guān)系，在建立概念間映射關(guān)系時(shí)，只在距離最短、關(guān)系最近的概念間建立關(guān)系，沒有必要將等同的概念重復(fù)給定向上或向下匹配的關(guān)系，按照需要，將詞表的原詞間關(guān)系導(dǎo)入映射信息即可確定新的映射關(guān)系。本文以標(biāo)準(zhǔn)谷歌距離（Normalized Google Distance）作為語(yǔ)義距離的基本計(jì)算方法，并設(shè)計(jì)了映射流程，在已有漢英詞表的基礎(chǔ)上，對(duì)映射進(jìn)行排序，能有效地解決檢索時(shí)漢英詞語(yǔ)的匹配問題。在檢索過程中，可以做到按相似度的高低呈現(xiàn)有序的檢索結(jié)果，從而給用戶更優(yōu)的檢索體驗(yàn)。本文通過程序進(jìn)行演算獲取實(shí)驗(yàn)結(jié)果，根據(jù)語(yǔ)義相似度進(jìn)行排序，建立新的有序映射。endprint