張志強(qiáng) 王偉鈞 楊晉浩 周曉清 鄭加林

摘 要： 在知識(shí)挖掘應(yīng)用中，行業(yè)領(lǐng)域數(shù)據(jù)識(shí)別是知識(shí)挖掘的重要過(guò)程。對(duì)大量的行業(yè)領(lǐng)域數(shù)據(jù)進(jìn)行數(shù)據(jù)識(shí)別需要借助領(lǐng)域詞庫(kù)標(biāo)識(shí)樹(shù)來(lái)完成，而影響數(shù)據(jù)識(shí)別準(zhǔn)確率的重要因素是領(lǐng)域詞庫(kù)標(biāo)識(shí)樹(shù)構(gòu)建的正確性。領(lǐng)域詞庫(kù)數(shù)據(jù)量一般很大，以其構(gòu)建的領(lǐng)域詞庫(kù)標(biāo)識(shí)樹(shù)結(jié)構(gòu)復(fù)雜，在復(fù)雜結(jié)構(gòu)的標(biāo)識(shí)樹(shù)中通過(guò)已有的檢測(cè)方法判斷其正確性往往很困難。為了解決這個(gè)問(wèn)題，提出一種詞庫(kù)標(biāo)識(shí)樹(shù)的正確性檢測(cè)算法。該算法通過(guò)構(gòu)建詞庫(kù)特征向量空間矩陣，計(jì)算樹(shù)節(jié)點(diǎn)的相關(guān)性系數(shù)來(lái)自動(dòng)檢測(cè)樹(shù)節(jié)點(diǎn)構(gòu)建的正確性，同時(shí)可以根據(jù)判定閾值來(lái)確定正確性判定范圍。實(shí)驗(yàn)結(jié)果表明，無(wú)論樹(shù)結(jié)構(gòu)如何復(fù)雜，該算法都能高效準(zhǔn)確地實(shí)現(xiàn)標(biāo)識(shí)樹(shù)的正確性檢測(cè)和發(fā)現(xiàn)錯(cuò)誤。

關(guān)鍵詞： 詞庫(kù)標(biāo)識(shí)樹(shù)； 正確性檢測(cè)； 特征向量空間矩陣； 相關(guān)性系數(shù)； 知識(shí)挖掘； 數(shù)據(jù)識(shí)別

中圖分類號(hào)： TN911.23?34； TP391.1 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）18?0088?04

Research on correctness detection algorithm for thesaurus identification

tree in profession domain

ZHANG Zhiqiang， WANG Weijun， YANG Jinhao， ZHOU Xiaoqing， ZHENG Jialin

（School of Information Science and Engineering， Chengdu University， Chengdu 610106， China）

Abstract： In the knowledge mining application， the data recognition in profession domain is an important process of knowledge mining. The identification of massive profession domain data is accomplished by means of the identification tree of the domain thesaurus. An important factor of affecting the accuracy rate of data recognition is the construction correctness of the identification tree of the domain thesaurus. As the data quantity of the domain thesaurus is generally large， the constructed identification tree of the domain thesaurus has a complex structure， which makes it difficult to judge the correctness of the identification tree with a complex structure by using the existing detection methods. A correctness detection algorithm for the thesaurus identification tree is proposed to solve the above problem. In the algorithm， the correlation coefficient of tree nodes is calculated to automatically detect the construction correctness of tree nodes by building the space matrix of thesaurus feature vectors， and the judgment range of correctness is determined according to the decision threshold. The experimental results show that， no matter how complex the tree structure is， the algorithm can effectively and accurately implement the correctness detection of the identification tree and find errors.

Keywords： thesaurus identification tree； correctness detection； feature vector space matrix； correlation coefficient； knowledge mining； data identification

0 引 言

在知識(shí)挖掘中，利用知識(shí)樹(shù)進(jìn)行知識(shí)挖掘和提取是目前研究的方向，其可應(yīng)用于行為挖掘和圖像檢索[1?2]等。在樹(shù)的構(gòu)建方面，目前有如下策略：基于文本聚類的構(gòu)建方法[3]、基于文本詞匯功能描述的構(gòu)建方法[4]、基于漢語(yǔ)自動(dòng)句法分析和語(yǔ)言知識(shí)庫(kù)的構(gòu)建方法[5]、基于文本敏感信息過(guò)濾算法的構(gòu)建方法[6]等。針對(duì)行業(yè)領(lǐng)域數(shù)據(jù)的知識(shí)挖掘應(yīng)用，利用行業(yè)領(lǐng)域標(biāo)準(zhǔn)對(duì)大量的行業(yè)領(lǐng)域數(shù)據(jù)進(jìn)行數(shù)據(jù)識(shí)別也是知識(shí)挖掘的重要過(guò)程。數(shù)據(jù)識(shí)別過(guò)程中，首先需要利用分詞算法對(duì)行業(yè)領(lǐng)域標(biāo)準(zhǔn)文檔進(jìn)行分詞并建立領(lǐng)域詞庫(kù)；然后根據(jù)領(lǐng)域詞庫(kù)中的所有詞匯按照類別構(gòu)建領(lǐng)域詞庫(kù)標(biāo)識(shí)樹(shù)；最后根據(jù)數(shù)據(jù)識(shí)別算法利用詞庫(kù)標(biāo)識(shí)樹(shù)對(duì)行業(yè)領(lǐng)域數(shù)據(jù)進(jìn)行自動(dòng)識(shí)別。顯然，構(gòu)建無(wú)識(shí)別歧義的正確標(biāo)識(shí)樹(shù)是數(shù)據(jù)識(shí)別高準(zhǔn)確率的保證，同時(shí)，標(biāo)識(shí)樹(shù)的正確性又與分詞的準(zhǔn)確性密切關(guān)聯(lián)。為了能夠檢測(cè)和發(fā)現(xiàn)樹(shù)的錯(cuò)誤信息，目前已提出的檢測(cè)方法有：基于規(guī)則的方法檢測(cè)[7]、基于計(jì)算語(yǔ)句相似度的檢測(cè)方法[8]、基于文本相似度計(jì)算的檢測(cè)方法[9]、基于詞匯相似度計(jì)算的檢測(cè)方法[10]等。領(lǐng)域詞庫(kù)數(shù)據(jù)量一般比較大，通過(guò)詞庫(kù)構(gòu)建的標(biāo)識(shí)樹(shù)結(jié)構(gòu)復(fù)雜，利用已有的方法來(lái)判斷標(biāo)識(shí)樹(shù)的正確性一般比較困難。為了能夠高效準(zhǔn)確地進(jìn)行標(biāo)識(shí)樹(shù)的正確性檢測(cè)，本文提出一種基于樹(shù)節(jié)點(diǎn)間相關(guān)性系數(shù)計(jì)算策略的判定方式來(lái)實(shí)現(xiàn)標(biāo)識(shí)樹(shù)正確性檢測(cè)算法。在算法中利用詞庫(kù)特征向量空間矩陣計(jì)算樹(shù)節(jié)點(diǎn)間相關(guān)性系數(shù)，來(lái)判斷樹(shù)節(jié)點(diǎn)間的相似度，從而有效地進(jìn)行樹(shù)的正確性檢測(cè)，發(fā)現(xiàn)存在識(shí)別歧義的錯(cuò)誤信息。實(shí)驗(yàn)結(jié)果表明，該算法能夠高效準(zhǔn)確地檢測(cè)并發(fā)現(xiàn)樹(shù)的錯(cuò)誤信息。

1 檢測(cè)算法的目標(biāo)

檢測(cè)算法的目標(biāo)是通過(guò)領(lǐng)域詞庫(kù)構(gòu)建詞庫(kù)標(biāo)識(shí)樹(shù)，并對(duì)標(biāo)識(shí)樹(shù)進(jìn)行高效準(zhǔn)確地正確性檢測(cè)，然后根據(jù)檢測(cè)結(jié)果發(fā)現(xiàn)，樹(shù)中有識(shí)別歧義的樹(shù)節(jié)點(diǎn)信息，根據(jù)錯(cuò)誤信息改進(jìn)前期的分詞算法。檢測(cè)算法在數(shù)據(jù)識(shí)別處理流程中的階段如圖1所示。

2 檢測(cè)算法的設(shè)計(jì)

本文算法進(jìn)行檢測(cè)的關(guān)鍵是構(gòu)建詞庫(kù)特征向量空間矩陣，通過(guò)該矩陣獲得標(biāo)識(shí)樹(shù)中任何樹(shù)節(jié)點(diǎn)的詞匯特征向量空間，然后利用詞匯特征向量空間計(jì)算標(biāo)識(shí)樹(shù)中各節(jié)點(diǎn)間的相關(guān)性系數(shù)。

2.1 詞庫(kù)特征向量空間矩陣的構(gòu)建

為了獲取詞庫(kù)中詞匯的相互關(guān)聯(lián)信息，需要構(gòu)建詞庫(kù)中每個(gè)詞匯的特征向量空間，將所有詞匯特征向量空間組合在一起構(gòu)建詞庫(kù)特征向量空間矩陣。詞匯特征向量空間需要由詞庫(kù)標(biāo)識(shí)樹(shù)來(lái)構(gòu)建。構(gòu)建詞庫(kù)標(biāo)識(shí)樹(shù)的策略是：首先自定義根節(jié)點(diǎn)；然后將詞庫(kù)中的所有詞匯類別作為樹(shù)的非葉子節(jié)點(diǎn)、所有詞匯作為葉子節(jié)點(diǎn)構(gòu)建標(biāo)識(shí)樹(shù)。以本文實(shí)驗(yàn)采用的政府采購(gòu)信息樣本數(shù)據(jù)為依據(jù)，構(gòu)建的詞庫(kù)標(biāo)識(shí)樹(shù)結(jié)構(gòu)如圖2所示。

在圖2中，“服務(wù)業(yè)”一詞的類別數(shù)據(jù)在詞庫(kù)中為“A01”，為其構(gòu)建為一個(gè)非葉子節(jié)點(diǎn)、“交通運(yùn)輸”一詞的類別數(shù)據(jù)在詞庫(kù)中為“A0101”，為其構(gòu)建一個(gè)非葉子節(jié)點(diǎn)，詞匯構(gòu)建為葉子節(jié)點(diǎn)；依次類推，將詞庫(kù)中所有的詞匯數(shù)據(jù)和詞匯類別數(shù)據(jù)構(gòu)建標(biāo)識(shí)樹(shù)。標(biāo)識(shí)樹(shù)的節(jié)點(diǎn)層次體現(xiàn)了不同詞匯的類別歸屬關(guān)系，如“交通運(yùn)輸”歸屬于“服務(wù)業(yè)”。這種歸屬關(guān)系也是后期數(shù)據(jù)識(shí)別的重要判定依據(jù)。根據(jù)詞庫(kù)標(biāo)識(shí)樹(shù)構(gòu)建詞庫(kù)特征向量空間矩陣[T（m×n）]。其中[m]=[{詞庫(kù)中的所有詞匯集合}]，[n={詞庫(kù)中所有詞匯類別數(shù)據(jù)集合}]。當(dāng)某個(gè)詞匯是標(biāo)識(shí)樹(shù)的葉子節(jié)點(diǎn)時(shí)，如圖2中的“交通運(yùn)輸”，其在樹(shù)中祖先節(jié)點(diǎn)集合為{“[A]”，“[A01]”，“[A0101]”}，在矩陣[T]中，將該詞匯所在行的對(duì)應(yīng)列“[A]”，列“[A01]”，列“[A0101]”的值分別置1，其余列的值全部置0。根據(jù)這種策略，構(gòu)建的矩陣[T]定義為：

式中：word1，word2等是詞庫(kù)中的所有詞匯；A，A01，A0101等是詞庫(kù)中詞匯所屬類別數(shù)據(jù)。從矩陣[T]可見(jiàn)，詞匯“交通運(yùn)輸”的特征向量空間[S′]（“交通運(yùn)輸”）={1，1，1，0，0，…}，其為[T]中對(duì)應(yīng)行向量值。同理，根據(jù)矩陣[T]，詞匯類別數(shù)據(jù)“[A01]”的特征向量空間[S]（“[A01]”）={1，0，1，1，…}，其為[T]中對(duì)應(yīng)列向量值。根據(jù)矩陣[T]，可以獲取詞庫(kù)中任意詞匯和詞匯類別數(shù)據(jù)的特征向量空間。

2.2 矩陣存儲(chǔ)的處理

當(dāng)[n]值很大時(shí)，矩陣[T]在存儲(chǔ)數(shù)據(jù)表時(shí)會(huì)出現(xiàn)“[n] >系統(tǒng)數(shù)據(jù)表列數(shù)最大值”錯(cuò)誤，采用多表關(guān)聯(lián)方式解決相關(guān)問(wèn)題。本文構(gòu)建了詞匯表、詞匯類別表、詞匯向量空間表，3個(gè)表的ER圖設(shè)計(jì)如圖3所示。

通過(guò)3個(gè)表的關(guān)聯(lián)，矩陣[T]從3個(gè)表中還原。不管矩陣[T]的規(guī)模有多大，矩陣[T]都可以存入數(shù)據(jù)庫(kù)。

2.3 樹(shù)節(jié)點(diǎn)相關(guān)性系數(shù)計(jì)算

標(biāo)識(shí)樹(shù)的同層非葉子節(jié)點(diǎn)間相關(guān)性系數(shù)是判定數(shù)據(jù)識(shí)別歧義的重要標(biāo)準(zhǔn)，樹(shù)節(jié)點(diǎn)[nodei]與[nodej]間相關(guān)性系數(shù)[ρi，j]定義為：

[ρi，j=Ai·Ajqi×qj，Ai=S（nodei），Aj=S（nodej）， 1≤i≤n，1≤j≤nAi·Aj=k=1mAi[k]×Aj[k]，qi=k=1mAi[k]×Aj[k]， qj=k=1mAj[k]×Aj[k]] （2）

式中，樹(shù)節(jié)點(diǎn)[nodei]和[nodej]的相關(guān)性系數(shù)[ρi，j]的值與節(jié)點(diǎn)的特征向量空間[S]密切聯(lián)系。樹(shù)中同層非葉子節(jié)點(diǎn)[nodei]和[nodej]的相關(guān)性系數(shù)[ρi，j]表示從根節(jié)點(diǎn)到節(jié)點(diǎn)[nodei]之間構(gòu)成的分支樹(shù)所屬詞匯集合與根節(jié)點(diǎn)到節(jié)點(diǎn)[nodej]之間構(gòu)成的分支樹(shù)所屬詞匯集合的相似度。如果標(biāo)識(shí)樹(shù)中不同分子樹(shù)所屬詞匯集合的相似度較高，會(huì)出現(xiàn)識(shí)別歧義問(wèn)題。當(dāng)[ρi，j]=0，表示兩個(gè)分支樹(shù)所屬詞匯集合完全不相同，其相似度為0，從理論上說(shuō)這一種最理想的情況；當(dāng)[ρi，j]=1，表示兩個(gè)分支樹(shù)所屬詞匯集合完全相同，其相似度為1，從理論上說(shuō)這是一種最壞的情況；當(dāng)[ρi，j>a]，表示兩個(gè)分支樹(shù)所屬詞匯集合的相似度大于[a]，這里[a]為判定閾值，說(shuō)明節(jié)點(diǎn)所屬詞匯集合存在識(shí)別歧義問(wèn)題。

2.4 算法的實(shí)現(xiàn)

算法實(shí)現(xiàn)的步驟如下：

1） 設(shè)定檢測(cè)標(biāo)識(shí)樹(shù)的層次數(shù)[t]，其作為參數(shù)傳遞到算法中處理。

2） 根據(jù)數(shù)據(jù)庫(kù)中已有的領(lǐng)域詞庫(kù)構(gòu)建詞庫(kù)標(biāo)識(shí)樹(shù)。

3） 根據(jù)詞庫(kù)標(biāo)識(shí)樹(shù)構(gòu)建詞庫(kù)特征向量空間矩陣[T]，并存入數(shù)據(jù)庫(kù)中。

4） 構(gòu)建樹(shù)的第[i]層（根層忽略）的同層所有非葉子節(jié)點(diǎn)集合。

5） 從節(jié)點(diǎn)集合中任意選擇兩個(gè)不同節(jié)點(diǎn)，從矩陣[T]獲取節(jié)點(diǎn)的特征向量空間，計(jì)算該節(jié)點(diǎn)對(duì)的相關(guān)性系數(shù)[ρi，j]，并存入數(shù)據(jù)庫(kù)中，用于數(shù)據(jù)分析。

6） 將[i]的范圍設(shè)定為1～[t]，循環(huán)從步驟4）開(kāi)始執(zhí)行，直到[i]范圍執(zhí)行結(jié)束。

3 算法實(shí)驗(yàn)

算法采用Java編程實(shí)現(xiàn)，算法測(cè)試的樣本數(shù)據(jù)基于政府采購(gòu)標(biāo)準(zhǔn)信息數(shù)據(jù)，并利用前期的分詞算法對(duì)這些行業(yè)領(lǐng)域標(biāo)準(zhǔn)進(jìn)行分詞，構(gòu)建了領(lǐng)域詞庫(kù)并存儲(chǔ)在數(shù)據(jù)庫(kù)中。測(cè)試的樣本數(shù)據(jù)量如表1所示。

3.1 實(shí)驗(yàn)結(jié)果及分析

利用檢測(cè)算法對(duì)樣本數(shù)據(jù)詞庫(kù)構(gòu)建的詞庫(kù)標(biāo)識(shí)樹(shù)進(jìn)行檢測(cè)，檢測(cè)層次參數(shù)設(shè)為4（表示檢測(cè)從第1層到第4層的樹(shù)節(jié)點(diǎn)信息），根所在的層忽略不計(jì)，運(yùn)行的測(cè)試結(jié)果如表2所示。

在表2中，相關(guān)性系數(shù)為1的節(jié)點(diǎn)對(duì)的數(shù)據(jù)記錄條數(shù)為16，說(shuō)明標(biāo)識(shí)樹(shù)中有16個(gè)節(jié)點(diǎn)對(duì)的分支樹(shù)所屬詞匯集合的相似度為1。例如，算法檢測(cè)出“A031103”和“A170203”兩個(gè)同層樹(shù)節(jié)點(diǎn)對(duì)的相關(guān)性系數(shù)為1，通過(guò)對(duì)標(biāo)識(shí)樹(shù)的分析發(fā)現(xiàn)，兩個(gè)節(jié)點(diǎn)的分支樹(shù)所屬詞匯集合均為{“纖維”}，其在標(biāo)識(shí)樹(shù)中如圖4所示。在圖4中，這兩個(gè)樹(shù)節(jié)點(diǎn)的特征向量空間相同，即：[S]（“A031103”） =[S]（“A170203”），從而使得相關(guān)性系數(shù)[ρi，j=1]，顯然在后期識(shí)別“纖維”詞匯時(shí)會(huì)出現(xiàn)識(shí)別歧義的問(wèn)題，其他15個(gè)節(jié)點(diǎn)對(duì)也有類似的問(wèn)題。對(duì)于其他相關(guān)性系數(shù)值范圍的節(jié)點(diǎn)對(duì)，如圖5中“A031016”和“C220203”兩個(gè)同層樹(shù)節(jié)點(diǎn)對(duì)的相關(guān)性系數(shù)為0.707 11；圖6中“C0205”和“C1005”兩個(gè)同層樹(shù)節(jié)點(diǎn)對(duì)的相關(guān)性系數(shù)為0.408 25。從圖5和圖6可知，當(dāng)同層樹(shù)節(jié)點(diǎn)對(duì)的相關(guān)性系數(shù)[ρi，j>a]時(shí)，表示相應(yīng)的兩個(gè)節(jié)點(diǎn)在標(biāo)識(shí)樹(shù)中的所屬詞匯集合中有相同詞匯數(shù)據(jù)，其可能影響后期數(shù)據(jù)識(shí)別的準(zhǔn)確度。從實(shí)驗(yàn)結(jié)果分析可以看出，不管標(biāo)識(shí)樹(shù)的結(jié)構(gòu)如何復(fù)雜，算法都能準(zhǔn)確高效地檢測(cè)標(biāo)識(shí)樹(shù)的正確性、發(fā)現(xiàn)錯(cuò)誤。

3.2 判定閾值的下界設(shè)定

確定判定閾值[a]的下界對(duì)數(shù)據(jù)分析非常重要。本文以相關(guān)性系數(shù)值為x軸，以數(shù)據(jù)記錄條數(shù)為y軸，將相關(guān)性系數(shù)值為0～0.1范圍的數(shù)據(jù)量作為在x軸0.1刻度的數(shù)據(jù)采集，相關(guān)性系數(shù)值為0.1～0.2范圍的數(shù)據(jù)量作為在x軸0.2刻度的數(shù)據(jù)采集、依次類推，數(shù)據(jù)變化曲線如圖7所示。從圖7可見(jiàn)，當(dāng)[0.3≤ρi，j≤1]時(shí)，數(shù)據(jù)量的變化幅度不大，將判定閾值[a]的下界設(shè)定為0.3時(shí)較為合適。有時(shí)確定判定閾值還需要行業(yè)領(lǐng)域數(shù)據(jù)特點(diǎn)、識(shí)別要求、詞性、詞頻等因素綜合考慮。

4 結(jié) 語(yǔ)

標(biāo)識(shí)樹(shù)的檢測(cè)是數(shù)據(jù)識(shí)別過(guò)程中非常重要的處理流程。本文提出的標(biāo)識(shí)樹(shù)正確性檢測(cè)算法，其通過(guò)詞庫(kù)特征向量空間矩陣計(jì)算樹(shù)中同層非葉子節(jié)點(diǎn)的相關(guān)性系數(shù)來(lái)判斷和發(fā)現(xiàn)標(biāo)識(shí)樹(shù)中存在識(shí)別歧義的錯(cuò)誤信息。實(shí)驗(yàn)結(jié)果表明，不管樹(shù)結(jié)構(gòu)如何復(fù)雜，算法都能高效準(zhǔn)確地檢測(cè)和發(fā)現(xiàn)錯(cuò)誤。

參考文獻(xiàn)

[1] 王東波，朱丹浩.面向漢語(yǔ)句法功能分布知識(shí)庫(kù)的詞匯類別知識(shí)挖掘研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2013，29（3）：33?37.

WANG Dongbo， ZHU Danhao. Research of mining the word category knowledge for Chinese syntactic function distribution knowledge base [J]. New technology of library and information service， 2013， 29（3）： 33?37.

[2] 陳曉寧.一種基于詞匯樹(shù)結(jié)構(gòu)的圖像檢索方法研究[J].電子世界，2013（9）：172?173.

CHEN Xiaoning. A method of image retrieval based on lexical tree structure [J]. Electronics world， 2013（9）： 172?173.

[3] 鐘將，劉杰.一種基于文本分類的知識(shí)樹(shù)自動(dòng)構(gòu)建方法[J].計(jì)算機(jī)應(yīng)用研究，2010，27（2）：475?478.

ZHONG Jiang， LIU Jie. Automatic construction of knowledge tree based on text clustering [J]. Application research of computers， 2010， 27（2）： 475?478.

[4] 張明杰，張躍，姚天順.一種基于詞匯功能描述的樹(shù)庫(kù)構(gòu)建方法[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2000，21（3）：263?265.

ZHANG Mingjie， ZHANG Yue， YAO Tianshun. Constructing tree?bank based on lexical functional description [J]. Journal of Northeastern University （Natural science）， 2000， 21（3）： 263?265.

[5] 王東波，朱丹浩，謝靖.面向漢語(yǔ)自動(dòng)句法分析的語(yǔ)法知識(shí)庫(kù)構(gòu)建[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2011，27（4）：42?47.

WANG Dongbo， ZHU Danhao， XIE Jing. Constructing the grammar knowledge database orienting Chinese automatic sentence analysis [J]. New technology of library and information service， 2011， 27（4）： 42?47.

[6] 鄧一貴，伍玉英.基于文本內(nèi)容的敏感詞決策樹(shù)信息過(guò)濾算法[J].計(jì)算機(jī)工程，2014，40（9）：300?304.

DENG Yigui， WU Yuying. Information filtering algorithm of text content?based sensitive words decision tree [J]. Computer engineering， 2014， 40（9）： 300?304.

[7] 史林林，邱立坤，亢世勇.基于規(guī)則的依存樹(shù)庫(kù)錯(cuò)誤自動(dòng)檢測(cè)與分析[J].北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，52（1）：58?64.

SHI Linlin， QIU Likun， KANG Shiyong. Rule?based detection and analysis of annotation errors in dependency Treebank [J]. Acta Scientiarum Naturalium Universitatis Pekinensis， 2016， 52（1）： 58?64.

[8] 楊喜權(quán)，國(guó)頔娜，胡加·托和塔森，等.基于領(lǐng)域本體的詞語(yǔ)相似度計(jì)算[J].計(jì)算機(jī)應(yīng)用，2009，29（z1）：164?166.

YANG Xiquan， GUO Dina， TOHTASEN Hoja， et al. Word similarity computation based on domain ontology [J]. Journal of computer applications， 2009， 29（S1）： 164?166.

[9] 王晉，孫涌，王璁瑋.基于領(lǐng)域本體的文本相似度算法[J].蘇州大學(xué)學(xué)報(bào)（工科版），2011，31（3）：13?17.

WANG Jin， SUN Yong， WANG Congwei. Text similarity computing based on domain ontology [J]. Journal of Soochow University （Engineering science edition）， 2011， 31（3）： 13?17.

[10] 崔誠(chéng)煜，冉曉旻，馮琳.基于領(lǐng)域本體的專業(yè)領(lǐng)域詞匯相似度算法[J].信息工程大學(xué)學(xué)報(bào)，2014，15（1）：68?73.

CUI Chengyu， RAN Xiaomin， FENG Lin. Calculation of field term similarity based on domain ontology [J]. Journal of Information Engineering University， 2014， 15（1）： 68?73.