1、中文同义词自动抽取研究 南京师范大学计算机学院 自然语言处理小组 曹冉 孙玉霞 狄颖 指导老师： 曲维光 周俊生 目录 基于语义词典的方法 基于 同义词词林（扩展版） 基于中文概念词典 CCD 基于网络资源的方法 基于模式匹配的方法 基于并列结构的方法 同义词传递性扩充的方法 目录 基于语义词典的方法 基于 同义词词林（扩展版） 基于中文概念词典 CCD 基于网络资源的方法 基于模式匹配的方法 基于并列结构的方法 同义词传递性扩充的方法 同义词词林（扩展版） 在 同义词词林（扩展版） 中，编码末尾为 = 的词语集合表示的是同一个 语义 。 因此，目标词的同义词即为包含目标词的编码末尾为 = 的
2、词语集合。 目标词 “ 规则 ”对应的同义词集合： Di24A01= 规则 守则 准则 则 规 律 章法 轨道 清规 戒律 规例 规约 目录 基于语义词典的方法 基于 同义词词林（扩展版） 基于中文概念词典 CCD 基于网络资源的方法 基于模式匹配的方法 基于并列结构的方法 同义词传递性扩充的方法 中文概念词典 CCD CCD中使用 Synset字段来描述 概念。 但是在 Synset中的 词语并不完全是同义词， 而是某种意义上的 相关 词 。 一 个 词语也可能 出现在多 个 Synset中 。 如 目标词 “ 爱好 ” : 概念编号 定义 Synset 01745360 吸引普通大众 喜好
3、 流行 爱好 盛行 风行 00273902 一种附属的活动 嗜好 爱好 业余爱好 基于中文概念词典 本文提出基于 典型同义词 的过滤方法。 基本思想： 在包含目标词的 Synset中统计出典型同义词。 使用典型同义词按照一定规则在 Synset中过滤出同义词。 典型同义词统计方法 典型同义词统计方法 基于典型同义词的过滤算法 最终“ 爱好 ”的同义词为 嗜好，喜好，业余爱好， 偏好，偏爱，偏袒 , 喜欢 。 概念编号 i 01745360 0.4 00273902 1.0 04463325 0.25 04700175 0.75 05565069 0.125 05608483 0.125 05573285 0.75
