Page 1 Vol.17 No.6 J. Comput. Sci. & Technol. Nov. 2002 Semantic ...

Viewer
Transcript

Ｊ．　Ｃｏｎｌｐｕｔ．　Ｓｃｉ．＆Ｔｅｃｈｎｏｌ

Ｖｏｌ．　１７　Ｎｏ．６

Ｎｏｖ．　２００２

Ｓｅｍａｎｔｉｃ　Ｃｏｍｐｕｔａｔｉｏｎ　ｉｎ　ａＣ　ｈｉｎｅｓｅＱｕｅｓ　　　　ｔｉｏｎ－Ａｎｓｗｅｒｉｎｇ　ＳｙｓｔｅｍＬＩ　Ｓｕｊｉａ工、（李素建）＇，　ＺＨＡＮＧ　Ｊｉａｎ（张健）２，　ＨＵＡＮＧ　Ｘｉｏｎｇ黄雄）２，　ＢＡＩ　Ｓｈｕｏ（白硕）２ａ　　　　　　　　　　　　　　　　　　　　　　　　　　　　ｎｄ　ＬＩＵ　Ｑｕｎ（刘群）２｀　　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｌｉｎｇｕｉｓｔｉｃｓ，　Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，　Ｂｅｉｊｉｎｇ　１００８７１，　Ｐ．Ｒ．　Ｃｈｉｎａ

２　Ｓｏｆｔｗａｒｅ　Ｄｅｐａｒｔｍｅｎｔ，　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ，　Ｔｈｅ　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　ＳｃｉｅｎｃｅｓＢｅ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ｉｊｉｎｇ　１０００８０，　Ｐ．Ｒ．　Ｃｈｉｎａ

Ｅ－　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ｍａｉｌ：　ｌｉｓｕｊｉａｎ＠ｐｋｕ．ｅｄｕ．ｃｎＲｅｃ　　　　　　　　　　　　　　　　　　　　　　ｅｉｖｅｄ　Ｍａｙ　１０，　２００１；　ｒｅｖｉｓｅｄ　Ｏｃｔｏｂｅｒ　１９，　２００１

Ａｂｓ　　　　ｔｒａｃｔ　　　Ｔｈｉｓ　ｐａｐｅｒ　ｉｎｔｒｏｄｕｃｅｓ　ａ　ｋｉｎｄ　ｏｆ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　ａｎｄ　ｐｒｅｓｅｎｔｓ　ｈｏｗ　ｔｏ

ｃｏｍｂｉｎｅ　ｉｔ　ｉｎｔｏ　ｏｕｒ　Ｃｈｉｎｅｓｅ　Ｑｕｅｓｔｉｏｎ－Ａｎｓｗｅｒｉｎｇ　（ＱＡ）　ｓｙｓｔｅｍ．　Ｂａｓｅｄ　ｏｎ　ｔｗｏ　ｋｉｎｄｓ　ｏｆ　ｌａｎｇｕａｇｅｒｅｓｏｕｒｃｅｓ，　Ｈｏｗｎｅｔ　ａｎｄ　Ｃｉｌｉｎ，　ｗｅ　ｐｒｅｓｅｎｔ　ａｎ　ａｐｐｒｏａｃｈ　ｔｏ　ｃｏｍｐｕｔｉｎｇ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｒｅｌｅｖａｎｃｙ

ｂｅｔｗｅｅｎ　ｗｏｒｄｓ．　Ｕｓｉｎｇ　ｔｈｅｓｅ　ｒｅｓｕｌｔｓ，　ｗｅ　ｃａｎ　ｃａｌｃｕｌａｔｅ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｔｗｏ　ｓｅｎｔｅｎｃｅｓ　ａｎｄｔｈｅｎ　ｇｅｔ　ｔｈｅ　ｏｐｔｉｍａｌ　ａｎｓｗｅｒ　ｆｏｒ　ｔｈｅ　ｑｕｅｒｙ　ｉｎ　ｔｈｅ　ｓｙｓｔｅｍ．　Ｔｈｅ　ｃａｌｃｕｌａｔｉｏｎ　ａｄｏｐｔｓ　ｑｕａｎｔｉｔａｔｉｖｅｍｅｔｈｏｄｓ　ａｎｄ　ｃａｎ　ｂｅ　ｉｎｃｏｒｐｏｒａｔｅｄ　ｉｎｔｏ　ＱＡ　ｓｙｓｔｅｍｓ　ｅａｓｉｌｙ，　ａｖｏｉｄｉｎｇ　ｓｏｍｅ　ｄｉｆｉｃｕｌｔｉｅｓ　ｉｎ　ｃｏｎｖｅｎ－

ｔｉｏｎａｌ　ＮＬＰ　（Ｎａｔｕｒａｌ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ）　ｐｒｏｂｌｅｍｓ．　Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｒｅｓｕｌｔｓａｒｅ　ｓａｔｉｓｆａｃｔｏｒｙ．

Ｋｅｙｗｏｒｄｓ　　　ｓｉｍｉｌａｒｉｔｙ，　ｒｅｌｅｖａｎｃｙ，　Ｈｏｗｎｅｔ，　ｑｕｅｓｔｉｏｎ－ａｎｓｗｅｒｉｎｇ，　ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅ　ｐｒｏｃｅｓｓ－ｍｇ

１　　　　　　　　　Ｉｎｔｒｏｄｕｃｔｉｏｎ

Ｗｉ　　ｔｈ　ｔｈｅ　ｅｘｐｌｏｓｉｏｎ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ａｖａｉｌａｂｌｅ　ｏｎ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ，　Ｑｕｅｓｔｉｏｎ－Ａｎｓｗｅｒｉｎｇ　ｓｙｓｔｅｍｓ　ｃａｎ　ｈｅｌｐｕｓ　ｔｏ　ｉｎｄ　ｆｗｈａｔ　ｃｌｏｓｅｌｙ　ｍａｔｃｈｅｓ　ｕｓｅｒｓ＇　ｎｅｅｄｓ．　Ｓｉｎｃｅ　ｂｏｔｈ　ｑｕｅｓｔｉｏｎｓ　ａｎｄ　ａｎｓｗｅｒｓ　ａｒｅ　ｍｏｓｔｌｙ　ｅｘｐｒｅｓｓｅｄ　ｉｎ

ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅｓ，　Ｑ／Ａ　ｍｅｔｈｏｄｏｌｏｇｉｅｓ　ｈａｖｅ　ｔｏ　ｉｎｃｏｒｐｏｒａｔｅ　ＮＬＰ　ｔｅｃｈｎｉｑｕｅｓ，　ｉｎｃｌｕｄｉｎｇ　ｓｙｎｔａｃｔｉｃ　ａｎｄｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎｓ．　Ｄｕｅ　ｔｏ　ｔｈｅ　ｅｎｃｏｕｒａｇｅｍｅｎｔ　ｏｆ　ｔｈｅ　Ｔｅｘｔ　Ｒｅｔｒｉｅｖａｌ　Ｃｏｎｆｅｒｅｎｃｅ　（ＴＲＥＣ）　ａｎｄ　ｔｈｅＭｅｓｓａｇｅ　Ｕｎｄｅｒｓｔａｎｄｉｎｇ　Ｃｏｎｆｅｒｅｎｃｅｓ　（ＭＵＣｓ），　ｓｏｍｅ　ＱＡ　ｓｙｓｔｅｍｓ　ｈａｖｅ　ａｃｈｉｅｖｅｄ　ｇｏｏｄ　ｐｅｒｆｏｒｍａｎｃｅｈｌＨｏｗｅｖｅｒ，　ｔｈｅｓｅ　ｓｙｓｔｅｍｓ　ｍａｉｎｌｙ　ａｉｍ　ａｔ　Ｅｎｇｉｓｌｈ．　Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，　ｂａｓｅｄ　ｏｎ　ｔｈｅｓｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓＩｏｉＯｎｓｏｍｅ　ｌａｎｇｕａｇｅ　ｒｅｓｏｕｒｃｅｓ，　ｗｅ　ｂｕｉｌｄ　ａ　Ｃｈｉｎｅｓｅ　Ｑｕｅｓｔｉｏｎ－Ａｎｓｗｅｒｉｎｇ　ｓｙｓｔｅｍ　ｔｈｒｏｕｇｈ　ｔｈｅ　ｃｏｍｐｕｔａｔｓｅｍａｎｔｉｃ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｒｅｌｅｖａｎｃｙ，

ａｎｏｄｆ

２　　ｏｖｅｒｖｉｅｗ　ｏｆ　Ｌａｎｇｕａｇｅ　ＲｅｓｏｕｒｃｅｓＨｏ　　ｗｎｅｔ　ｉｓ　ａ　ｒｅｆｅ　Ｃｈｉｎｅｓｅ－Ｅｎｇｌｉｓｈ　ｂｉｌｉｎｇｕａｌ　ｒｅｓｏｕｒｃｅ　ｗｈｉｃｈ　ｉｓ　ｒｅｌｅｓｅａｄ　ｒｅｃｅｎｔｌｙ　ｏｎ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ　［２－４１．　Ｉｔｉｓ　ａ　ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ　ｄｅｓｃｒｉｂｉｎｇ　ｔｈｅ　ｒｅｌａｔｉｏｎｓ　ｂｅｔｗｅｅｎ　ｃｏｎｃｅｐｔｓ　ａｎｄ　ｔｈｅ　ｒｅｌａｔｉｏｎｓ　ｂｅｔｗｅｅｎ　ｔｈｅ　ａｔｔｒｉｂｕｔｅｓｏｆ　ｃｏｎｃｅｐｔｓ．　Ｉｎ　ｏｕｒ　Ｃｈｉｎｅｓｅ　ＱＡ　ｓｙｓｔｅｍ　ｗｅ　ｍａｉｎｌｙ　ｕｓｅ　ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ　ｗｈｉｃｈ　ｉｎｃｌｕｄｅｓ　６６，６８１ｃｏｎｃｅｐｔｓ．　Ｅｖｅｒｙ　ｗｏｒｄ　ｓｅｎｓｅ　ｉｓ　ｒｅｐｒｅｓｅｎｔｅｄ　ｂｙ　ｔｈｅ　ｃｏｍｂｉｎａｔｉｏｎ　ｏｆ　ｓｅｖｅｒａｌ　ｓｅｍｅｍｅｓ．　　Ａ　ｓｅｍｅｍｅ　ｉｓ

ａ　ｂａｓｉｃ　ｓｅｍａｎｔｉｃ　ｕｎｉｔ　ｔｈａｔ　ｉｓ　ｉｎｄｉｖｉｓｉｂｌｅ　ｉｎ　Ｈｏｗｎｅｔ．　Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｖｉｅｗ　ｏｆ　ｏｎｔｏｌｏｇｙ，　ａｂｏｕｔ　１５００ｓｅｍｅｍｅｓ　ａｒｅ　ｅｘｔｒａｃｔｅｄ　ｔｏ　ｃｏｍｐｏｓｅ　ａｎ　ｅｌｅｍｅｎｔａｒｙ　ｓｅｔ　ｆｏｒｍｉｎｇ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｔｈｅ　Ｃｈｉｎｅｓｅ　ｇｌｏｓｓａｒｙ，　ｓ　ａｏｖｅｒ１００　ｋｉｎｄｓ　ｏｆ　ｔｈｅ－ｉｃａｌ　ｅｌｅｍｅｎｔｓ　ｃｏｎｓｔｉｔｕｔｅ　ａｌｌ　ｔｈｅ　ｓｕｂｓｔａｎｃｅｓ　ｉｎ　ｎａｔｕｒｅ．　Ｗｅ　ｄｅｓｃｒｉｂｅ　ｓｅｖｅｒａｌ　ｄｅｆｉｎｉｔｉｏｎｓｉｎ　Ｈｏｗｎｅｔ　ｓ　ｆａｏｌｌｏｗｓ：

ＳＳ＝（３ｈ　ｓ２｛ｃｌ，ｃ２，

ＷＳ＝，，＠，？ＲＥ＇Ｌ二不

ｎ＝１５４１

ｒ　　ｒｔ　＝　６６，６８１

￥，％，＆，　ＮＵＬＬ｝ｃ　　　　　　　　　　　　ｉ　＝＊　ｒａｔｓｉｔ，ｒｉ２ｓｉ２，．．．，：、、。、、，二： ‘Ｅ　ＲＥＬ，　　　ｓｉｔｅ　ＳＳ　　（Ｉ＜ｔ＜ｋ）Ｔｈｉｓ　ｗｏｒｋ　ｉｓ　ｓｕｐｐｏｒｔｅｄ　ｂｙ　ｔｈｅ　ＮＫＢＲＳＦ　ｏｆ　Ｃｈｉｎａ　（Ｇｒａｎｔ　Ｎｏｓ．Ｇ１９９８０３０５１０，　Ｇ１９９８０３０５０７－４）．

万方数据

ＬＩ　Ｓｕｊｉａｎ，　ＭＡＮＧ　Ｍａｎ　ｅｔ　．ｌ

马３乌

Ｖｏｌ－１７

ｗｈｅｒｅ　ＳＳ　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ｓｅｔ　ｏｆ　ｔｈｅ　ｓｅｍｅｍｅｓ　ｗｈｉｃｈ　ｉｎｃｌｕｄｅｓ　１，５４１　ｅｌｅｍｅｎｔｓ；　ＷＳ　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ｓｅｔ　ｏｆｔｈｅ　ｗｏｒｄ　ｓｅｎｓｅｓ　ｉｎ　Ｈｏｗｎｅｔ　ｗｈｏｓｅ　ｓｉｚｅ　ｉｓ　６６，６８１；　ＲＥＬ　ｉｓ　ｔｈｅ　ｓｅｔ　ｗｈｉｃｈ　ｄｅｓｃｒｉｂｅｓ　ｔｈｅ　ｒｅｌａｔｉｏｎｓ　ｂｅｔｗｅｅｎａ　ｃｏｎｃｅｐｔ　ａｎｄ　ａｓ　ｅｍｅｍｅ　ｏｒ　ｔｈｅ　ｒｅｌａｔｉｏｎｓ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ．　Ｆｏｒ　ｅｖｅｒｙ　ｗｏｒｄ　ｓｅｎｓｅ　ｃａ　ｃ　ｏｎｃｅｐｔ，　ｉｔｓｄｅｉｎｉｆｔｉｏｎ　ｉｓ　ｃｏｍｐｏｓｅｄ妙ｋ　ｉｔｅｍｓ，　ｅａｃｈ　ｏｆ　ｗｈｉｃｈ　ｉｎｃｌｕｄｅｓ　ａ　ｒｅｌａｔｉｏｎ　ｓｙｍｂｏｌ　ｉｎ　ＲＥＬ　ａｎｄ　ａ　ｓｅｍｅｍｅ　ｉｎ５５

Ｉ　　ｎ　ｏｕｒ　ｓｙｓｔｅｍ，ａｎｏｔｈｅｒ　ｌａｎｇｕａｇｅ　ｒｅｓｏｕｒｃｅ　ａｖａｉｌａｂｌｅ　ｉｓ　Ｃｉｌｉｎ１５１，　ａ　Ｃｈｉｎｅｓｅ　Ｔｈｅｓａｕｒｕｓ，　ｗｈｉｃｈ　ｃｏｎｄｕｃｔｓｓｅｍａｎｔｉｃ　ｃｌｓｓａｉｉｃｆａｔｉｏｎ　ｆｏｒ　Ｃｈｉｎｅｓｅ　ｗｏｒｄｓ．　Ｉｔ　ｃｏｍｐｒｉｓｅｓ　１２　ｍａｊｏｒ　ｃａｔｅｇｏｒｉｅｓ，　９４　ｍｅｄｉｕｍ　ｃａｔｅｇｏｒｉｅｓ，　ａｎｄ１，４２８　ｍｉｎｏｒ　ｃａｔｅｇｏｒｉｅｓ．　Ａｎｄ　ｔｈｅ　ｍｉｎｏｒ　ｃａｔｅｇｏｒｉｅｓ　ｃａｎ　ｂｅ　ｆｕｒｔｈｅｒ　ｄｉｖｉｄｅｄ　ｉｎｔｏ　ｓｙｎｓｅｔｓ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅｉｒｍｅａｎｉｎｇｓ．　Ｅｖｅｒｙ　ｓｙｎｓｅｔ　ｉｎｃｌｕｄｅｓ　ｓｅｖｅｒａｌ　ｗｏｒｄｓ　ｗｉｔｈ　ｔｈｅ　ｓａｍｅ　ｏｒ　ｓｉｍｉｌａｒ　ｍｅａｎｉｎｇｓ．　Ｔｈｉｓ　ｈｉｅｒａｒｃｈｉｃａｌｃｌｓｓａｉｉｃｆａｔｉｏｎ　ｅｍｂｏｄｉｅｓ　ｓｙｎｏｎｙｍｏｕｓ　ｒｅｌａｔｉｏｎｓ　ａｎｄ　ｈｙｐｏｎｙｍ　ｒｅｌａｔｉｏｎｓ，　ａｎｄ　ｐｒｏｖｉｄｅｓ　ｃｏｎｖｅｎｉｅｎｃｅ　ｆｏｒｔｈｅ　ｅｘｐａｎｓｉｏｎ　ａｎｄ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　ｏｆ　ｗｏｒｄ　ｓｅｎｓｅｓ．　Ｗｅ　ｆｏｒｍａｌｉｚｅ　ｓｅｖｅｒａｌ　ｄｅｉｎｉｆｔｉｏｎｓ　ａｓ　ｆｏｌｏｗｓ：ＷＳＳＣ

＝｛Ｃｌ，ｅｚ，

－＇ｃ）＋　　ｎｉ＝６１，１２５

＝｛ｓｃｔ，ｓｃｚ，．．．，ｓｃｎ），　Ｐ＝１１，８３２

ｗｈｅｒｅ　ＷＳ＇　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ｓｅｔ　ｏｆ　ｗｏｒｄ　ｓｅｎｓｅｓ　ｉｎ　Ｃｉｌｉｎ，　ｗｈｏｓｅ　ｓｉｚｅ　ｉｓ　６１，１２５，　ａｎｄ　ＳＣ　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ｓｅｔｏｆ　ｓｙｎｓｅｔｓ　ｗｈｏｓｅ　ｓｉｚｅ　ｉｓ　１１，８３２．Ｔｈ　　ｅ　ｔｗｏ　ｌａｎｇｕａｇｅ　ｒｅｓｏｕｒｃｅｓ　ｉｎｔｒｏｄｕｃｅｄ　ａｂｏｖｅ　ａｒｅ　ｏｆ　ｇｒｅａｔ　ｈｅｌｐ　ｔｏ　ｏｕｒ　ｃｏｍｐｕｔａｔｉｏｎ　ｉｎ　ｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ａｎｙ　ｔｗｏ　Ｃｈｉｎｅｓｅ　ｗｏｒｄｓ．

３　　Ｓｙｓｔｅｍ　ＤｅｓｃｒｉｐｔｉｏｎＡｔ　　　ｐｒｅｓｅｎｔ，　ｔｈｅ　ｐｒｏｃｅｓｓｉｎｇ　ｍｅｃｈａｎｉｓｍ　ｏｆ　ｍｏｓｔ　ＱＡ　ｓｙｓｔｅｍｓ　ａｒｅ　ｂａｓｅｄ　ｏｎ　ｓｅｎｔｅｎｃｅｓ［ｓ１，　ａｎｄ　ａｔ　ｔｈｅ　ｓａｍｅｔｉｍｅ，　ｉｔ　ａｂｓｏｒｂｓ　ｔｈｅ　ｔｅｃｈｎｉｑｕｅｓ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ，　ｉｎｆｏｒｍａｔｉｏｎ　ｅｘｔｒａｃｔｉｏｎ　ａｎｄ　ｎａｔｕｒｌｌａ　ａｎｇｕａｇｅ

ｐｒｏｃｅｓｓｉｎｇｉ７１．　Ａｓ　ｓｈｏｗｎ　ｉｎ　Ｆｉｇ．ｌ，　ｆｏｒ　ｔｈｅ　ｌａｒｇｅ　ｑｕａｎｔｉｔｙ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｏｆｍ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ，　ｋｅｙｗｏｒｄｓ　ａｎｄｍｏｏｄ　ｗｏｒｄｓ　ｓｕｃｈ　ａｓ　ｔｈｏｓｅ　ｅｘｔｒａｃｔｅｄ　ｒｏｆｍ　ｑｕｅｒｉｅｓ　ａｒｅ　ｉｎｐｕｔｔｅｄ　ｔｏ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｒｅｔｒｉｅｖｌａ

ｔｏ　ｒｅｄｕｃｅ　ｔｈｅ　ｓｃｏｐｅ　ｏｆ　ｓｅａｒｃｈｉｎｇ，　ａｎｄ　ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ　ｔｈｅ　ｓｅｎｔｅｎｃｅｓ　ｗｈｏｓｅ　ｍｏｄｅ　ｏｒ　ｎｅｇａｔｉｖｅ／ｐｏｓｉｔｉｖｅｍｏｏｄ　ｉｓ　ｎｏｔ　ｃｏｎｓｉｓｔｅｎｔ　ｗｉｔｈ　ｔｈｅ　ｑｕｅｙ　ｒｓｅｎｔｅｎｃｅ　ａｒｅ　ａｌｓｏ　ｆｉｌｔｅｒｅｄ　ｏｕｔ．　Ｔｈｅｎ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｂｔａｉｎｅｄ　ａｎｄ　ｔｈｅｑｕｅｓｔｉｏｎ　ｎｅｅｄｅｄ　ｔｏ　ｑｕｅｙ　ｒａｒｅ　ｓｕｂｍｉｔｔｅｄ　ｓｉｍｕｌｔａｎｅｏｕｓｌｙ　ｔｏ　ｔｈｅ　ｍｏｄｕｌｅｓ　ｉｎｖｏｌｖｅｄ　ｉｎ　ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅｐｒｏｃｅｓｓｉｎｇ．　　Ｔｈｅｓｅ　ｍｏｄｕｌｅｓ　ｉｎｃｌｕｄｅ　ｔｈｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｍｏｄｕｌｅ，　ｔｈｅ　ｅｎｔｉｔｙ　ｒｅｃｏｇｎｉｔｉｏｎ　ｍｏｄｕｌｅ，　ａｎｄｔｈｅ　ｓｅｍａｎｔｉｃ　ａｎｎｏｔａｔｉｏｎ　ｍｏｄｕｌｅ．　Ａｆｔｅｒ　ｔｈｅ　ｐｒｏｃｅｓｓｉｎｇ　ｏｆ　ｔｈｅｓｅ　ｍｏｄｕｌｅｓ，　ｗｅ　ｃａｎ　ｇｅｔ　ｓｅｎｔｅｎｃｅｓ　ｗｉｔｈ

ｓｅｍａｎｔｉｃ　ａｎｎｏｔａｔｉｏｎ　ｗｈｉｃｈ　ｃａｎ　ｅｎｔｅｒ　ｔｈｅ　ｍｏｄｕｌｅ　ｏｆ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　（ＳＣ）．　Ｔｈｅ　ＳＣ　ｍｏｄｕｌｅ　ｇｅｔｓｔｈｅ　ｒｅｌｅｖａｎｃｉｅｓ　ｂｅｔｗｅｅｎ　ｓｅｎｔｅｎｃｅ　ｐａｉｒｓ．　Ｔｈｅｎ　ｗｅ　ｓｅｌｅｃｔ　ｔｈｅ　ｓｅｎｔｅｎｃｅ　ｐａｉｒｓ　ｗｉｔｈ　ｔｈｅ　ｌａｒｇｅｓｔ　ｖｌｕｅ　ａｏｆｒｅｌｅｖａｎｃｙ．Ｌａｎｇｕａｇｅ

ＷＷＷ

了ａｅｏｕｒｃｅｔ

ｌｎｔｅｍｅｔ

ＱｕｅｒｉｎｇＩｎｆｏｒｍａｔｉｏｎｒｅｔ　　ｒｉｅｖａｌ

ＮＬＰ　ｍｏｄｕｌｅ

Ｓｅｇｍｅｎｔａｔｉｏｎ

Ｓｅｍａｎｔｉ　　ｃ

ｃｏｍｐｕｔａｔｉｏｎＲｅｔｒｉｅｖａｌ　ｒｅｓｕｌｔｓｓｅｍａｎｔｉｃａｎｎｏｔａｔｉｏｎ

Ｆｉ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ｇ．ｌ．　Ｓｙｓｔｅｍ　ｓｔｒｕｃｔｕｒｅ．

　　Ｉｎ　Ｆｉｇ．　ｌ，　ｔｈｅ　ｔｈｉｃｋｅｒ　ｔｈｅ　ｉｎｌｅ，　ｔｈｅ　ｍｏｒｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｔ　ｒｅｐｒｅｓｅｎｔｓ．　Ｔｈｅ　ｌａｎｇｕａｇｅ　ｒｅｓｏｕｒｃｅｓ　ｉｎｃｌｕｄｅＨｏｗｎｅｔ　ａｎｄ　Ｃｉｌｉｎ．　Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　Ｃｈｉｎｅｓｅ　ｌａｎｇｕａｇｅ，　ｗｅ　ｍｕｓｔ　ｃｏｎｄｕｃｔ　ｓｅｇ－ｍｅｎｔａｔｉｏｎ　ｆｏｒ　ｓｅｎｔｅｎｃｅｓ．　Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ　ｏｒ　ａｆｔｅｒ　ｓｅｇｍｅｎｔａｔｉｏｎ，　ｔｈｅ　ｎａｍｅｄ　ｅｎｔｉｔｙ　ｓｈｏｕｌｄ　ａｌｓｏ　ｂｅ

万方数据

Ｓｅｍａｎｔｉｃ　Ｃｏｍｐｕｔａｔｉｏｎ　ｉｎ　ａ　Ｃｈｉｎｅｓｅ　Ｑｕｅｓｔｉｏｎ－Ａｎｓｗｅｒｉｎｇ　Ｓｙｓｔｅｍ

Ｎｏ．６

ｓ３５

ｐｉｃｋｅｄ　ｏｕｔ　ａｎｄ　ｓｅｍａｎｔｉｃ　ａｎｎｏｔａｔｉｏｎ　ｉｓ　ｃｏｎｄｕｃｔｅｄ　ｆｏｒ　ｔｈｅ　ｓｅｇｍｅｎｔｅｄ　ｗｏｒｄｓ　ａｎｄ　ｔｈｅ　ｎａｍｅｄ　ｅｎｔｉｔｙ．　Ｔｈｅｔｈｒｅｅ　ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅ　ｍｏｄｕｌｅｓ　ｄｏ　ｎｏｔ　ｈａｖｅ　ｅｘｐｌｉｃｉｔ　ｂｏｕｎｄａｒｙ．　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｓｅｍａｎｔｉｃ　ｉｎｆｏｒｍａｔｉｏｎｃｏｌｌｅｃｔｅｄｉｎ　ｔｈｅ　ｔｈｒｅｅ　ＮＬＰ　ｍｏｄｕｌｅｓ，　ｗｅ　ｃｏｎｄｕｃｔ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｑｕｅｒｙ　ａｎｄ　ｒｅｌｅｖａｎｔｓｅｎｔｅｎｃｅｓＴｈｅ　ｍａｉｎ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　ｍｏｄｕｌｅ　ｉｓｔｏ　ｇｅｔ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｖａｌｕｅ　ｂｅ－ｔｗｅｅｎ　ｓｅｎｔｅｎｃｅ　ｐａｉｒｓ　ａｎｄ　ｔｏ　ｓｏｒｔ　ｔｈｅｍ．　Ｔｈｉｓ　ｐａｐｅｒ　ｍａｉｎｌｙ　ｄｉｓｃｕｓｓｅｓ　ｔｈｅｔｅｃｈｎｉｑｕｅｓ　ｃｏｎｃｅｒｎｉｎｇ　ｈｏｗ　ｔｏｃｏｎｄｕｃｔ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ．

４　　Ｓｅｍａｎｔｉｃ　ＣｏｍｐｕｔａｔｉｏｎＳｅ　　ｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　ｉｓ　ｔｈｅ　ｋｅｒｎｅｌ　ｏｆ　ｏｕｒ　ｓｙｓｔｅｍ，　ｗｈｉｃｈ　ｉｓ　ｃｏｎｄｕｃｔｅｄ饰ｔｈｒｅｅ　ｓｔｅｐｓ．　Ｔｈｅ　ｉｆｒｓｔ　ｓｔｅｐｉｓ　ｔｏ　ｃｏｎｄｕｃｔ　ｔｈｅ　ｃｏｍｐｕｔａｔｉｏｎ　ｏｆ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ａｓｓｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ．　Ｓｅｃｏｎｄ，　ｓｉｍｉｌａｒｉｔｙ

ａｎｄ　ｒｅｌｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｗｏｒｄｓ　ａｒｅ　ｃｏｍｐｕｔｅｄ．　Ｉｎ　ｔｈｅ　ｌａｓｔ　ｓｔｅｐ，　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｅ　ｔｗｏ　ｓｔｅｐｓａｂｏｖｅ，　ｗｅ　ｃａｎ　ｃａｌｃｕｌａｔｅ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｓｅｎｔｅｎｃｅｓ　ａｎｄ　ｇｅｔ　ｔｈｅ　ｓｅｎｔｅｎｃｅ　ｐａｉｒｓ　ｗｉｔｈ　ｔｈｅ　ｍａｘｉｍａｌｖａｌｕｅ　ｏｆ　ｒｅｌｅｖａｎｃｙ．４．１　　Ｓｉｍｉｌａｒｉｔｙａｎｄ　Ａｓｓｏｃｉａｔｉｖｉｔｙ　Ｂｅｔｗｅｅｎ　ＳｅｍｅｍｅｓＩ　　ｎ　Ｈｏｗｎｅｔ，　ｔｈｅｒｅｌａｔｉｏｎｓ　ａｍｏｎｇ　ｓｅｍｅｍｅｓ　ａｒｅ　ｂｕｉｌｔ　ｔｈｒｏｕｇｈ　ｓｅｖｅｒｌ　ａｆｅａｔｕｒｅ　ｉｌｆｅｓ．　Ｔｈｅ　ｓｅｍｅｍｅｓ　ｉｎ

ｏｎｅ　ｆｅａｔｕｒｅ　ｉｌｆｅ　ｃｏｎｓｔｒｕｃｔ　ａ　ｔｒｅｅ　ｓｔｒｕｃｔｕｒｅ．　Ａｓ　ｓｈｏｗｎ　ｉｎ　Ｆ访．２，　ｔｈｉｓ　ｉｓ　ａ　ｓａｍｐｌｅ　ｓｔｒｕｃｔｕｒｅ　ｏｆ　ｎｏｄｅｓｔｈａｔ　ｂｅｌｏｎｇ　ｔｏ　ｔｈｅ　ｆｅａｔｕｒｅ　ｉｌｆｅｓ．　Ｒｅｌａｔｉｏｎｓ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ　ｃａｎ　ｂｅ　ｏｂｔａｉｎｅｄ　ｆｒｏｍ　ｔｈｅｓｅ　ｈｉｅｒａｒｃｈｉｃａｌｔｒｅｅｓ　ａｎｄ　ｂｓｅａｄ　ｏｎ　ｔｈｅｓｅ　ｒｅｌａｔｉｏｎｓ　ｗｅ　ｃａｎ　ｃｏｍｐｕｔｅ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｓｓａｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓｗｉｔｈｉｎ　ｔｈｉｓ　ｍｅｃｈａｎｉｓｍ．　Ｅｖｅｒｙ　ｎｏｄｅ　ｉｓ　ｃａｌｌｅｄ　ａｍ　ａｉｎ　ｓｅｍｅｍｅ．　Ｅｖｅｙ　ｒｍａｉｎ　ｓｅｍｅｍｅ　ｉｓ　ｆｏｌｏｗｅｄ　ｂｙｓｏｍｅ　ｓｅｍｅｍｅｓ　ｉｎｃｌｕｄｅｄ　ｉｎ　ｔｈｅ　ｓｑｕａｒｅ　ｂｒａｃｋｅｔｓ，　ｗｈｉｃｈ　ｗｅ　ｃａｎ　ｓｅｅ　ｓ　ａｉｔｓ　ｅｘｐｌａｎａｔｉｏｎ，　ｃａｌｌｅｄ　ｅｘｐｌａｎａｔｏｒｙｓｅｍｅｍｅｓ．　Ｅｖｅｒｙ　ｅｘｐｌａｎａｔｏｙ　ｒｓｅｍｅｍｅ　ｉｓ　ｕｓｕａｌｌｙ　ｐｒｅｃｅｄｅｄ　ｂｙ　ａｓ　ｙｍｂｏｌ　ｗｈｉｃｈ　ｄｅｓｃｒｉｂｅｓ　ｉｔｓ　ｒｅｌａｔｉｏｎｗｉｔｈ　ｔｈｅ　ｍａｉｎ　ｓｅｍｅｍｅ．　Ｂｏｔｈ　ｍａｉｎ　ｓｅｍｅｍｅｓ　ａｎｄ　ｔｈｅｉｒ　ｅｘｐｌａｎａｔｏｒｙ　ｓｅｍｅｍｅｓ　ｈａｖｅ　ｈｙｐｏｎｙｍｓ　ａｎｄｈｙｐｅｒｎｙｍｓ，　ｔｈｕｓ　ｗｅ　ｃａｎ　ｇｅｔ　ａｓｓｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ　ｉｎ　ｄｉｆｅｒｅｎｔ　ｆｅａｔｕｒｅ　ｉｌｆｅｓ．　Ｉｔ　ｉｓ　ｆｏｌｏｗｅｄ　ｔｈａｔｌｌ　ａｔｈｅ　ｓｅｍｅｍｅｓｉｎ　Ｈｏｗｎｅｔ　ｃｏｎｓｔｒｕｃｔ　ａ　ｎｅｔｗｏｒｋ　ｓｔｒｕｃｔｕｒｅｂｅｔｗｅｅｎ　ａｍａ　　Ｉｎ　Ｆｉｇ．２，　ｔｈｅｒｅｌａｔｉｏｎ　ｉｎ　ｓｅｍｅｍｅ　ａｎｄ认，ｈｙｐｅｒｎｙｍ　ｏｒ　ｈｙｐｏｎｙｍ　ｉｓ　ｃａｌｅｄ　Ｖｅｒｔｉｃａｌｅ　ｔｈｅ　ｓｅｍｅｍｅｓｗｉＲｅｌａｔｉｏｎ，　ｗｅｔｈ　Ｖｅｒｔｉｃｌ　ａＲｅｌａｔｉｏｎｓ　ｗｉｔｈ　ｓｉｍｉｌａｒｉｔｙ；　ｏｔｈｅｒ　ｒｅｌａｔｉｏｎｓ　ｗｈｉｃｈｓｐａｎ　ｄｉｆｅｒｅｎｔ　ｆｅａｔｕｒｅ　ｓｔｒｕｃｔｕｒｅｓ　ａｒｅ　ｃａｌｌｅｄ　Ｈｏｒｉｚｏｎｔａｌ　Ｒｅｌａｔｉｏｎ　ｗｈｉｃｈ　ｃａｎ　ｂｅ　ｍｅｓｕａｒｅｄ勿ａｓｓｏｃｉａｔｉｏｎｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ．

ｅｎｔｉｔｙ｝实体卜ｔｈｉｎｇ｝万物［＃ｔｉｍｅ｝时问、淤ｓｐａｃｅ｛空间』

一Ｆ　ｐｈｙｓｉｃａｌ　Ｉ物质［！ａｐｐｅａｒａｎｃｅ外９［二十ａ　　ｎｉｍａｔ引生物卜ａｌｉｖｅ　Ｉ活着，！ａｇｅ｝年醉，．ｄｉｅ　Ｉ死，＊ｍｅｔａｂｏｌｉｚｅ｝代洲一十Ａｎｉ　　ｍａｌＨｕｍａｎ动物。ｓｅｘ｝性别，．ＡｌｔｅｒＬｏｃａｔｉｏｎ变空间位置，＊ＳｔａｔｃＭｅｎｔａｌ　Ｉ精神状态』ｔ　　　　　　　　Ｆ　ｈｕｍａｎ　Ｉ人（！ｎａｍｅ　Ｉ姓名，！ｗｉｓｄｏｍ　Ｉ智粗，！ａｂｉｌｉｔｙ　Ｉ能力，犷ｏｃｕｐａｔｉｏｎ　Ｉ职位，＊ａｒｔ　Ｉ行动Ｉ｝　　　　　　Ｌｈｕｍａｎｉｚｅｄ｝拟人［ｆａｋｅ｝伪』１　　　　　　　ａｎｉｍａｌ　Ｉ兽［＊　ＧｅｔＫｎｏｗｌｅｄｇｅ　Ｉ认知］Ｆ　　　　　　　ｂｅａｓｔ　Ｉ走俘［－＊ＧｅｔＫｎｏｗｌｅｄｇｅ　Ｉ认知］ｅｖｅｎｔ｝事件

卜ｓｔａｔｉｃ　Ｉ睁态

｛Ｆ　ｒｅｌａｔｉｏｎ　Ｉ关系

Ｆｏ劝２）

Ｆｉｇ．２．　Ａ　ｓａｍｐｌｅ　ｔｒｅｅ　ｓｔｒｕｃｔｕｒｅ　ｏｆ　ｆｅａｔｕｒｅ　ｓｅｍｅｍｅｓ

ｔｈｅ　ｔｗｏ　ｓｅｍｅｍｅｓ　ｉｎ　ｔｈｅ　ｔｒｅｅ　ｓｔｒｕｃｔｕｒｅ　ｏｆ　Ｆｉｇ．２，　ｔｈｅｒｅ　ｅｘｉｓｔ　ｔｈｒｅｅ　ｐｏｓｓｉｂｌｅ　ｒｅｌａｔｉｏｎｓ：

Ｗｈｅｎ　ｔｈｅ　ｔｗｏ　ｓｅｍｅｍｅｓ　ａｒｅ　ｉｎ　ｄｉｆｅｒｅｎｔ　ｔｒｅｅｓ，　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ｗｉｌｂ　ｅ　０；Ｔｈｅ　ｔｗｏ　ｓｅｍｅｍｅｓ　ａｔ　ｌｅａｓｔ　ｈａｖｅ　ｏｎｅ　ｃｏｍｍｏｎ　ａｎｃｅｓｔｒａｌ　ｎｏｄｅ，　ｂｕｔ　ｔｈｅｙ　ａｒｅ　ｉｎ　ｄｉｆｅｒｅｎｔ　ｂｒａｎｃｈｅｓ

ｏｆ　ｔｈｅ　ａｎｃｅｓｔｒａｌ　ｎｏｄｅ；

３）　Ｏｎｅ　ｓｅｍｅｍｅ　ｉｓ　ｔｈｅ　ａｎｃｅｓｔｒａｌ　ｎｏｄｅ　ｏｆ　ｔｈｅ　ｏｔｈｅｒ　ｏｎｅ．Ｔｈｅｎ，＊ｃｏｍｐｕｔｅ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ　ａｓ　ｅｑｕａｔｉｏｎｓ　ｉｎ　（１）：

（ａｔ）＝ｔ（５２）ａ／ｄｉｓｔ（ｓｔ，　ｓ２），ｔ

ｓｉｍ（ｓｔ，一，一｛０，

万方数据

ｔ（３１）笋ｔ（８２）

Ｓ１，８２任６石，

（１）

ＬＩ　５ｇｉｉａｎ，　ＺＨＡＮＧ　Ｊｉａｎ　ｅｔ　ａ（

９３６

７１．Ｖ

ｗｈｅｒｅ，　ｆｏｒ　ａｎｙ　ｔｗｏ　ｓｅｍｅｍｅｓ　ｓ，，　ｓ２　ｉｎ　ｔｈｅ　ｓｅａｌｅｍｅ　ｓｅｔ　ＳＳ，　ｓｉｍ（ｓ，，　ｓ２）　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ｂｅｔｗｅｅｎ，：ａｎｄ　ｓ２，　ｄ（３，）＝ｔ（８２）　ｒｅｐｒｅｓｅｎｔｓ　ｔｈａｔ　ｔｈｅ　ｔｗｏ　ｓｅｍｅｍｅｓ　ａｒｅ　ｉｎ　ｏｎｅ　ｔｒｅｅ　ｓｔｒｕｃｔｕｒｅ　ａｎｄ　ｔｈｅｉｒ　ｓｉｍｉｌａｒｉｔｙｉｓ　ｉｎｖｅｒｓｅｌｙ　ｐｒｏｐｏｒｔｉｏｎａｌ　ｔｏ　ｔｈｅｉｒ　ｄｉｓｔａｎｃｅＬｉ　　　　ｋｅ　ｔｈｅ　ｓｔｒｕｃｔｕｒｅ　ｏｆ　Ｆｉｇ．２，　ｔｈｅ　ｅｘｐｌａｎａｔｏｒｙ　ｓｅｍｅｍｅｓ　ｂｕｉｌｄ　ａ　ｂｒｉｄｇｅ　ｆｏｒ　ｔｗｏ　ｓｅｍｅｍｅｓ　ｉｎ　ｄｉｆｅｒｅｎｔ

ｔｒｅｅｓ．　Ｆｏｒ　ｅｘａｍｐｌｅ，　ｔｈｅｒｅ　ｓｈｏｕｌｄ　ｅｘｉｓｔ　ｓｏｍｅ　ｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｓｅｍｅｍｅｓ　｀ａｎｉｍａｔｅ｝生物，ａｎｄ　｀ａｌｉｖｅ｛活着，ｗｈｉｃｈ　ｄｏ　ｎｏｔ　ｈａｖｅ　ａｎｙ　ｓｉｍｉｌａｒｉｔｙ　ａｔ　ａｌ．　Ｈｅｒｅ　ｗｅ　ｉｎｔｒｏｄｕｃｅ二ｎｅｗ　ｍｅａｓｕｒｅ　ｃａｌｌｅｄ　ａｓｓｏｃｉａｔｉｏｎｔｏ　ｒｅｐｒｅｓｅｎｔ　ｔｈｏｓｅ　ｒｅｌａｔｉｏｎｓ　ｓｐａｎｎｉｎｇ　ｄｉｆｅｒｅｎｔ　ｔｒｅｅｓ．　Ｉｎ　ｄｏｉｎｇ　ｓｏ，　ｔｈｅ　ｔｒｅｅ　ｓｔｒｕｃｔｕｒｅ　ｂｅｃｏｍｅｓ　ａ　ｎｅｔｓｔｒｕｃｔｕｒｅ．　Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｃｏｍｐｕｔｅ　ａｓｓｏｃｉａｔｉｏｎｓ，　ｗｅ　ｎｅｅｄ　ｅｘｐａｎｄｅｄ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｓｅｍｅｍｅｓ　ｉｎ　ｔｗｏ　ｄｉｒｅｃｔｉｏｎｓ

Ｏｎｅ　ｉｓ　ｅｘｐａｎｄｅｄ　ｔｏ　ｔｈｅ　ｈｙｐｅｒｎｙｍｓ　ｏｆ　ｅｘｐｌａｎａｔｏｒｙ　ｓｅｍｅｍｅｓ，　ｗｈｉｃｈ　ｉｓ　ｃａｌｌｅｄ　Ｈｏｒｉｚｏｎｔａｌ　Ａｓｓｏｃｉａｔｉｖｅ

Ｅｘｐａｎｓｉｏｎ　（ＨＡＥ），　ｔｈｅ　ｏｔｈｅｒ　ｅｘｐａｎｓｉｏｎ　ｉｓ　ｔｏ　ｔｈｅ　ｅｘｐｌａｎａｔｏｒｙ　ｓｅｍｅｍｅｓ　ｏｆ　ｔｈｅ　ｈｙｐｅｒｎｙｍｓ，　ｗｈｉｃｈ　ｉｓｃａｌｌｅｄ　Ｖｅｒｔｉｃａｌ　Ａｓｓｏｃｉａｔｉｖｅ　Ｅｘｐａｎｓｉｏｎ　（ＶＡＥ）．　＼Ｖｅ　ｃｏｍｐｕｔｅ　ａｓｓｏｃｉａｔｉｏｎｓ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｅｑｕａｔｉｏｎｓ　ｉｎ（２）

ｅｘｔ（ｓｇ）＝｛ｓ；ｊＲＥＬ（ｓｊ，　ｓｉ）｝Ａｓｓｏ（ｓｌ，　ｓ２）＝Ｙｉｓｉｍ（ｓｉ，　８２）＋－ｗｅ，　Ｅｅ＝ｔ（．＋，　）

又ｗｊｓｉｍ（ｓ，，　ｓｊ）

（２）

ａ，　　　　　　　　　　　ｅｅｘｔ（ｅａ）

ｃｈ　ｉｎｃｌｕｄｅｓ　ＨＡＥ　ａｎｄ　ＶＡＥ．　Ｗｅ　ｅｎｄｏｗ　ａｗ　ｅｉｇｈｔｗｈｅｒｅ　ｅｘｔ（ｓｊ）　ｉｓ　ａｎ　ｅｘｔｅｎｓｉｏｎ　ｓｅｔ　ｏｆ　ｔｈｅ　ｓｅｍｅｍｅ。、ｗｈｉ

ｔｏ　ｅｖｅｒｙ　ｒｅｌａｔｉｏｎ　ｉｎ　ＲＥＬ　ｗｈｉｃｈ　ｄｅｓｃｒｉｂｅｓ　ｈｏｗ　ｔｈｉｓ　ｋｉｎｄ　ｏｆ　ｒｅｌａｔｉｏｎ　ｈａｓ　ａｎ　ｉｎｆｌｕｅｎｃｅ　ｏｎ　ａｓｓｏｃｉａｔｉｏｎ．　Ｉｎｃｏｍｐｕｔｉｎｇ　ｔｈｅ　ａｓｓｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓ１　ａｎｄ　３２，　ｔｈｅ　ｉｒｆｓｔ　ｐａｒｔ　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ａｓｓｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ　３２　ａｎｄｔｈｅ　ｅｘｔｅｎｓｉｖｅ　ｓｅｔ　ｏｆ　８ｌ；　ａｎｄ　ｔｈｅ　ｓｅｃｏｎｄ　ｐａｒｔ　ｉｓ　ｆｏｒ　ｓ，　ａｎｄ　ｔｈｅ　ｅｘｔｅｎｓｉｖｅ　ｓｅｔ　ｏｆ　￥２－

４．２　　Ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　Ｒｅｌｅｖａｎｃｙ　Ｂｅｔｗｅｅｎ　ＷｏｒｄｓＡａＯｌ（ｍａｓｓ

ＡａｌｇｅｎｅｒａｌＡｂ｝ｓｅｘ，　ａｇｅ

Ａ一ｈｕｍａｎ

Ａａ０２１　　ｉｍｔｆｐｅｍｏｎ

Ａａ０３ｌｓｅｃｏｕｄｐｅｒｓｏｎ

Ａｃ｝ｂｕｉｌｄ　　Ａａ０引ｔｈｉｒｄｐｅｓｏｎ

ｉｔｈｉＴｎｇ

ＡｄＩｃｏｕｎｔｒｙ

Ａｅｌｐｒｏｆｅｓｓｉｏｎ

Ｃ一ｔｉｍｅ及ｓｐａｃｅ

Ｉ　　　　ｎ　Ｓｅｃｔｉｏｎ　２　ｗｅ　ｈａｖｅ　ｉｎｔｒｏｄｕｃｅｄ　ｔｗｏ　ｋｉｎｄｓ

ｏｆ　ｌａｎｇｕａｇｅ　ｒｅｓｏｕｒｃｅｓ．　Ｆｏｒ　Ｈｏｖｍ．ｅｔ　ｉｔ　ｉｓ　ｅａｓｉｅｒｔｏ　ｃｏｎｓｔｒｕｃｔ　ａ　ｎｅｔ　ｓｔｒｕｃｔｕｒｅ　ｆｏｒ　ｓｅｍｅｍｅｓ　ａｎｄ

ｔｈｅｎ　ｔｏ　ｇｅｔ　ｔｈｅｉｒ　ｓｉｍｉｌａｒｉｔｉｅｓ　ａｎｄ　ａｓｓｏｃｉａｔｉｏｎｓ．

Ｂｅｃａｕｓｅ　ｅｖｅｒｙ　ｗｏｒｄ　ｓｅｎｓｅ　ｉｓ　ｃｏｍｐｏｓｅｄ　ｏｆ　ｓｅ－ｍｅｍｅｓ，　ｉｔ　ｉｓ　ｄｉｆｉｃｆｕｌｔ　ｆｏｒ　Ｈｏｗｎｅｔ　ｔｏ　ｅｘｐａｎｄ　ｔｈｅｓｉｍｉｌａｒ　ｏｒ　ｓａｍｅ　ｗｏｒｄ　ｓｅｎｓｅｓ．　Ｎｏｗ　ｗｅ　ｕｔｉｉｚｅｌ

ｔｈｅ　ｓｅｃｏｎｄ　ｌａｎｇｕａｇｅ　ｒｅｓｏｕｒｃｅ一Ｃｉｌｉｎ一ｔｏｍａｋｅ　ｅｘｐａｎｓｉｏｎ　ｏｆ　ｃｏｎｃｅｐｔｉｏｎｓ．　Ａｓ　ｉｎ　Ｆｉｇ．３，ｉｔ　ｉｓ　ａ　ｓａｍｐｌｅ　ｓｔｒｕｃｔｕｒｅ　ｏｆ　ｃｏｎｃｅｐｔｉｏｎｓ　ｉｎ　Ｃｉｌｉｎ．Ｅｖｅｒｙ　ｎｏｄｅ　ｉｓ　ａ　ｓｅｍａｎｔｉｃ　ｃｌａｓｓ．　Ｔｈｅ　ｎｅａｒｅｒ　ｔｏｔｈｅ　ｒｏｏｔ　ｎｏｄｅ，　ｔｈｅ　ｍｏｒｅ　ａｂｓｔｒａｃｔ　ｔｈｅ　ｃｏｎｃｅｐ－ｔｉｏｎ　ｔｈａｔ　ｔｈｅ　ｎｏｄｅ　ｒｅｐｒｅｓｅｎｔｓ．　Ｕｎｌｉｋｅ　Ｈｏｍｎｅｔ，ｎｏｔ　ｅｖｅｒｙ　ｎｏｄｅ　ｉｎ　ｔｈｅ　ｓｔｒｕｃｔｕｒｅ　ｒｅｐｒｅｓｅｎｔｓ　ａｃｏｎｃｒｅｔｅ　ｗｏｒｄ　ｓｅｎｓｅ，　ａｎｄ　ｏｎｌｙ　ｔｈｅ　ｌｅａｆ　ｎｏｄｅ　ｉｓａ　ｃｏｌｅｃｔｉｏｎ　ｏｆ　Ｃｈｉｎｅｓｅ　ｗｏｒｄｓ　ｗｉｔｈ　ｔｈｅ　ｓａｍｅ　ｏｒｓｉｍｉｌａｒ　ｓｅｎｓｅ．

Ｆｉｇ．３．　Ａ　ｓａｍｐｌｅ　ｓｔｒｕｃｔｕｒｅ　ｉｎ　Ｃｉｌｉｎ

　　Ｓｉｍｉｌａｒ　ｔｏ　ｔｈｅ　ｃｏｍｐｕｔａｔｉｏｎ　ｏｆ　ｓｅｍｅｍｅｓ，　ｗｅｈａｖｅ　ｔｈｅ　ｆｏｌｏｗｉｎｇ　ｅｑｕａｔｉｏｎ：

ａ／ｄｉｓｔ（ｃ，，ｃ２），　ｔ＇（ｃ，ｃｉ，勿任ＷＳ，（３）０，　　　　　　　　　　　　ｔ＇（ｃｌｗｈｅｒｅ　ｃｌ　ａｎｄ　ｃ２　ａｒｅ　ａｎｙ　ｔｗｏ　ｗｏｒｄ　ｓｅｎｓｅｓ　ｉｎ　Ｃｉｌｉｎ，　ｔ＇（ｃｉ）＝ｔ＇（ｃ２）　ｒｅｐｒｅｓｅｎｔｓ　ｔｈａｔ　ｔｈｅ　ｔｗｏ　ｃｏｎｃｅｐｔｉｏｎｓ

ｓｉｍ ‘ 一，一｛

｝宾ｔ＇（ｃ２）

ｂｅｌｏｎｇ　ｔｏ　ｔｈｅ　ｓａｍｅ　ｓｅｍａｎｔｉｃ　ｃｌａｓｓ　ａｎｄ　ｔｈｅｉｒ　ｓｉｍｉｌａｒｉｔｙ　ｉｓ　ｉｎｖｅｒｓｅｌｙ　ｐｒ叩ｏｒｔｉｏｎａｌ　ｔｏ　ｔｈｅｉｒ　ｄｉｓｔａｎｃｅ．Ｈｅ　　ｒｅ　ｗｅ　ａｄｏｐｔ　ａ　ｍｅａｓｕｒｅ　ｃａｌｌｅｄ　ｒｅｌｅｖａｎｃｙ　ｔｏ　ｒｅｐｒｅｓｅｎｔ　ｔｈｅ　ｓｓａｏｃｉａｔｉｖｅ　ｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｗｏｒｄ　ｓｅｎｓｅｓ．Ｔｈｅ　ｇｏａｌ　ｏｆ　ｃｏｍｐｕｔｉｎｇ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｓｓａｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ　ｉｓ　ｔｏ　ｇｅｔ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ｗｏｒｄｓｅｎｓｅｓ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｅｑｕａｔｉｏｎｓ　ｉｎ　（４）：

万方数据

姗一

Ｓｅｍａｎｔｉｃ　Ｃｏｍｐｕｔａｔｉｏｎ　ｉｎ　ａ　Ｃｈｉｎｅｓｅ　Ｑｕｅｓｔｉｏｎ－Ａｎｓｗｅｒｉｎｇ　Ｓｙｓｔｅｍ

Ｎｏ６

Ｒｅｌｅ　（ｃ１　，　Ｃ２）＝Ｒｅｌｅ（ｄｅｆ　（ｅ，）　，　ｄｅｆ　（ｃ２）　）

（＃）

Ｒｅｌｅ（ｄｅ “ 一，，ｄｅｆ（ｃ２））　ａ，。荟ｅ。１，））　・ｅ，　ｅｍｄ，ａｆｘ（，２｝　）　）　Ｒｅｌｃ（ｓ， ’ ・，ｄｅｆ（ｃ）＝｛：ＩＲＥＬ（ｃ，　ｓ）｝Ｒｅｌｅ（ｓｉ，　ｓ；　）＝Ｗ，ｓｌｎｌ（ｓｉ，ｓｊ）＋ｗａａｓｓｏ（ｓ，。，）

ｗｈｅｒｅ　Ｒｅｌｅ（ｃ），　ｃ２）　ｉｓ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｔｗｏ　ｗｏｒｄ　ｓｅｎｓｅｓ。，ａｎｄ‘ ：。ａｎｄ　ｄｅｆ（ｃ）　ｉｓ　ａ　ｓｅｔ　ｏｆ　ｅｘｐｌａｎａｔｏｒｙｓｅｍｅｍｅｓ　ｆｏｒ　ｔｈｅ　ｗｏｒｄ　ｓｅｎｓｅ　ｃ，　ｗ，　ａｎｄ　ｗａ　ｒｅ　ｔｈｅ　ｗｅｉｇｈｔｓ　ｏｆ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ｒａｉｄ　ａｓｓｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ

ｓｅｍｅｍｅｓ　ｒｅｓｐｅｃｔｉｖｅｌｙ，　ａ工ｉｄ　ｗｅ　ｃａｎ　ｇｅｔ　ａ　ｒｅｌｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｓｅ工工、ｅｍｅｓ　Ｒｅｌｅ（ｓｉ，　ｓｊ）．　Ｔｏ　ｇｅｔ　ｔｈｅ　ｒｅｌｅｖａｎｃｙｏｆ　ｔｗｏ　ｓｅｔｓ　ｏｆ　ｓｅｍｅｍｅｓ，　ｗｅ　ｐｉｃｋ　ｏｕｔ　ｔｈｅ　ｐｏｓｓｉｂｌｅ　ｓｅｍｅｍｅ　ｐａｉｒｓ　ｗｉｔｈ　ｔｈｅ　ｍａｘｉｍａｌ　ｖａｌｕｅ　ａｎｄ　ｓｕｍ　ｔｈｅｍＵｐ・

４．３

Ｒｅｌｅｖａｎｃｙ　Ｂｅｔｗｅｅｎ　Ｓｅｎｔｅｎｃｅｓ

　　ａＷｅ　ｓｓｕｍｅ　ｔｈａｔ　ｔｈｅ　ｉｌｆｔｅｒｅｄ　ｓｅｎｔｅｎｃｅｓ　ｓ，　ａｎｄ　￥２　ｈａｖｅ　ｂｅｅｎ　ｓｅｇｍｅｎｔｅｄ，　ｒｅｓｏｌｖｅｄ　ａｎａｐｈｏｒｉｃａｌｌｙ　ａｎｄａｎｎｏｔａｔｅｄ　ｓｅｍａｎｔｉｃａｌｌｙ．　Ｔｈｅｎ　ｓ，　ａｎｄ　５２　ｃａｎ　ｂｅ　ｒｅｇａｒｄｅｄ

ａｓ　ｔｗｏ　ｓｅｑｕｅｎｃｅｓ　ｏｆ　ｍ　ａｎｄ　ｎｋ　ｅｙｗｏｒｄｓ：　ＷＩ　Ｉ　Ｗ１２　．．．　ｗｂ．，ａｎｄ　Ｗ２１Ｗ２２－－－ｗ２－

＇：　４Ｖ

ｔｔ＇，２

Ｗ，：，

１６几

　　Ｔｏ　ｃｏｍｐｕｔｅ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ａ　ｓｅｎｔｅｎｃｅ　ｐａｉｒ，　ｗｅ　ｕｓｅ铸＇２ＶＶ２３ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ｗｏｒｄ　ｐａｉｒｓ．　Ｗｅ　ｓｅｌｅｃｔ５＇２ｔｈｅ　ｗｏｒｄ　ｐａｉｒｓ　ｔｈａｔ　ｃｏｎｔｒｉｂｕｔｅ　ｍｏｓｔ　ｔｏ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｏｆＷｏｒｄｐａｉｒｓ　ｉｎ　ｔｗｏ　ｓｅｎｔｅｎｃｅｓｓｅｎｔｅｎｃｅ　ｐａｉｒｓ．　Ｔｈｅ　ｗｏｒｄ　ｐａｉｒｓ　ａｒｅ　ｃｏｎｎｅｃｔｅｄ　ｗｉｔｈ　ｌｉｎｅｓａｓ　ｉｎ　Ｆｉｇ．４．Ｗｅ　　　ｕｓｅ　ａ　ｄｙｎａｍｉｃ　ｐｒｏｇｒａｍｍｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｇｅｔ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ａ　ｓｅｎｔｅｎｃｅ　ｐａｉｒ切ｔｈｅ　ｆｏｌｌｏｗｉｎｇ

ｗ．２２ｗＦｅｉｇｔ．４

呱呱ＭＩ，ｌ峋

ｅｑｕａｔｉｏｎｓ：

Ｒｅｌｅ　（Ｓｔ，凡）＝Ｍ，＝。Ｒｅｌｅ（＇－ｔ．，　Ｗ２９　）＋ａｓｉｍ　（－Ｉｉ，　＇ｗ２＇　）二从，ｏ＝０

（５）

１／ｄｔｊ

｛１／ｄｉ＊十从一１，，｝１健嗯袭１

ｗｈｅｒｅ　ａ　ａｎｄ　（３　ａｒｅ　ｗｅｉｇｈｔｓ　ｒｅｐｒｅｓｅｎｔｉｎｇ　ｔｈｅ　ｄｅｇｒｅｅ　ｉｎ　ｗｈｉｃｈ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｅｌｒｅｖａｎｃｙ　ｏｆ　ｗｏｒｄｓ

ｃｏｎｔｒｉｂｕｔｅ　ｔｏ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ｓｅｎｔｅｎｃｅ　ｐａｉｒｓ，　ｄｉｊ　ｉｓ　ｔｈｅ　ｓｅｍａｎｔｉｃ　ｄｉｓｔａｎｃｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｉ－ｔｈ　ｗｏｒｄ　ｉｎｔｈｅ　ｉｒｆｓｔ　ｓｅｎｔｅｎｃｅ　ａｎｄ　ｔｈｅ　ｊ－ｔｈ　ｗｏｒｄ　ｉｎ　ｔｈｅ　ｓｅｃｏｎｄ　ｓｅｎｔｅｎｃｅ．　Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｒｅｃｕｒｓｉｖｅ　ｅｑｕａｔｉｏｎ，　ｗｅ

ｃａｎ　ｉｆｎａｌｌｙ　ｇｅｔ　ｔｈｅ　ｖａｌｕｅ　ｏｆ　Ｍ，，ｗ　ｈｉｃｈ　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｔｗｏ　ｓｅｎｔｅｎｃｅｓ　ｓ，　ａｎｄ　ｓ２．　　　　Ａｆｔｅｒ　ｗｅ　ｇｅｔ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ａｌｌ　ｓｅｎｔｅｎｃｅ　ｐａｉｒｓ，　ｗｅ　ｃｏｍｐａｒｅ　ｔｈｅｉｒ　ｖａｌｕｅｓ．　Ｔｈｅ　ｌａｒｇｅｒ　ｔｈｅ　ｖａｌｕｅ　ｏｆｔｈｅ　ｔｗｏ　ｓｅｎｔｅｎｃｅｓ．　Ｗｅ　ｇｅｔ　ｔｈｅ　ｓｅｎｔｅｎｃｅ　ａｓ　ｔｈｅ　ａｎｓｗｅｒ　ｏｆ　ｔｈｅ　ｑｕｅｒｙ　ｔｈａｔｒｅｌｅｖａｎｃｙ，　ｔｈｅ　ｍｏｒｅ　ｒｅｌｅｈａｓ　ｔｈｅ　ｌａｒｇｅｓｔ　ｖｌｕｅ　ａｏｆｖａｎｃｙ

ｖｒｅａｌｓｅｔ

５　　Ｅｘｐｅｒｉｍｅｎｔｓ　ａｎｄ　Ｄｉｓｃｕｓｓｉｏｎ　　Ｔｈｅ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　ｃｏｎｔａｉｎｓ　ｔｈｒｅｅ　ｓｔｅｐｓ　ａｎｄ　ｅｖｅｒｙ　ｓｔｅｐ　ｍａｋｅｓ　ｕｓｅ　ｏｆ　ｔｈｅ　ｃｏｍｐｕｔａｔｉｏｎ　ｏｆ　ｔｈｅｌａｓｔ　ｓｔｅｐ．　Ｔｈｅ　ｔｈｒｅｅ　ｓｔｅｐｓ　ｃｏｎｆｏｒｍ　ｔｏ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　Ｃｈｉｎｅｓｅ　ｌａｎｇｕａｇｅ：　ｆｒｏｍ　ｍｏｒｐｈｅｍｅｓｔｏ　ｗｏｒｄｓ　ｔｏ　ｐｈｒａｓｅｓ．Ｗｅ　　　　　ｄｉｄ　ｅｘｐｅｒｉｍｅｎｔｓ　ｏｎ　ｅｖｅｒｙ　ｓｔｅｐ　ａｂｏｖｅ，　ａｎｄ　ｔｈｅ　ｒｅｓｕｌｔｓ　ａｒｅ　ｓａｔｉｓｆａｃｔｏｙ，　ｒｒｅｌｅｆｃｔｉｎｇ　ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎ　ｅｌｅｍｅｎｔｓ　ｉｎ　ｅｖｅｒｙ　ｓｔｅｐ．　　Ｈｅｒｅ　ａｒｅ　ｓｏｍｅ　ｅｘａｍｐｌｅｓ：　Ｔａｂｌｅ　１ｉ　ｌｕｓｔｒａｔｅｓ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄａｓｓｏｃｉａｔｉｏｎ　ｏｆ　ｓｏｍｅ　ｅｘａｍｐｌｅ　ｓｅｍｅｍｅ　ｐａｉｒｓ，　ａｎｄ　ｔｈｅ　ｅｘａｍｐｌｅｓ　ｉｎ　Ｔａｂｌｅ　２　ｄｅｍｏｎｓｔｒａｔｅ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙａｎｄ　ｒｅｌｅｖａｎｃｙ　ｏｆ　ｓｏｍｅ　ｗｏｒｄ　ｐａｉｒｓ．Ｉ　　ｎ　Ｔａｂｌｅ　１　ａｎｄ　Ｔａｂｌｅ　２，　ｄｕｅ　ｔｏ　ｔｈｅ　ｄｉｆｅｒｅｎｃｅ　ｏｆ　ｗｅｉｇｈｔｓ，　ｔｈｅ　ｑｕａｎｔｉｔａｔｉｖｅ　ｌｅｖｅｌｓ　ｏｆ　ｄｉｆｅｒｅｎｔ　ｍｅａｓｕｒｅｓａｒｅ　ｄｉｆｅｒｅｎｔ　ａｎｄ　ｗｅ　ｓｈｏｕｌｄ　ｃｏｍｐａｒｅ　ｔｈｅｍ　ｖｅｒｔｉｃａｌｙ．

万方数据

Ｌ１　Ｓｕｊｉａｎ，　ＺＨＡＮＧ　Ｊｉａｎ　ｅｔ　ａｌ

９３８

Ｖｏｆ注７

一｝

Ｓｅｍｅｍｅ　１Ｍａｔｅｒｉａｌｓ材料

Ｓｅｍｅｍｅ　２

Ａｓｓｎ

Ｓｅｍｅｍｅ　Ｌ

Ｓｅｍｅｍｅ　２

Ｓｌｍ

Ｄｉｓｃｕｓｓ｝商讨

Ｄｅｂａｔｅ］辩论

０．８０

ＴａｌｋＮｏｎｓｅｎｓｅ｝瞎说

０．３２

Ｓｐｒｅａｄ　Ｉ撤

Ｄｅｂａｔｅ　Ｉ辩论Ｔｈｒｏｗ｝扔

０．４０

Ｐｒｏｄｕｃ】制造

Ａｒｔ　Ｉ行动－　ｅ　ｔｆｏＳＩ软什

Ｃｏｏｋ｝吐出

Ｔｈｒｏｗ｛扔

０．５３３

Ｃｏｍｐｉｌｅ｝编辑

Ｓｏｆｔｗａｒｅ｝软件

０．８０

ＷＯｒｄＺ

Ｒ之ｉｅ

Ｄｒｅａｍ　Ｉ做梦Ｍｅｎｔａｌ｝精神

Ｗｏｒｄ　１

摇动（ｓｈａｋｅ）摇动（ｓｈａｋｅ）病人（ｐａｔｉｅｎｔ）

．１１４｝Ｃｏ一ｏｌ｝制冷｝０Ｍａｃｈｉｎｅ】机器

ＷｏｒｄＺ

０．２６７

Ｓｉｍ

Ｈ－

｝人

Ｐｌａｎｔｉｎｇ｝栽植ＣａｕｓｅＴ．Ｌｉｖｅ｝使活

移动（ｍｏｖｅ）

０．６４

Ｗｏｒｄ　１

医院（ｈｏｓｐｉｔａｌ）

０．００

实行（ｉｍｐｌｅｍｅｎｔ）

０．４１０

病人（ｐａｔｉｅｎｔ）医生（ｐｈｙｓｉｃｉａｎ）

护士（ｎｕｒｓｅ）７解（ｋｎｏｗ）

０．６４

勃劳（ｄｉｌｉｇｅｎｔ）

０．５１２

推想（ｓｕｐｐｏｓｅ）

０ｓ＂１　（Ｐｏｏｒ）

０．９０

ｓｔｒａｎｇｅ）反常（ａｂｎｏｒｍａｌ）奇怪（

０．６４

勤劳（ｄｉｌｉｇｅｎｃｅ）写（ｗｒｉｔｅ）

０．３５

｝０．８００．４０

．８０Ｆｌ．－Ｇ－｝花草｝０ＦｌｏｗｅｒＧｒａｓｓ｝花草０．２６７

妙ｃｈａｎｃｅ）９０致意（ｇｉｖｅ　ｏｎｅ＇ｓ　ｒｅｇａｒｄｓ）恰巧（ｔｉｊ｝　（ｒｏｃｋ）｝０．

ｐａｔｉｅｎｔ）医生（（ｄｏｃｔｏｒ）｝病人（医生（ｄｏｃｔｏｒ）揣测（ｇｕｅｓｓ）揣测（９￣）

Ｃ－．－｝摄取

笑（ｓｍｉｌｅ）

０．００．２６７

｛｝医院（ｈｏｓｐｉｔｌ）５１．９９５ａ生病（ｂｅ　ｉｌｌ）一｝５０．１０７富裕（ｗｅａｌｔｈｙ）

｝徽惰（Ｉ－Ｙ）贫穷（Ｐｏｏｒ）作者（ａｕｔｈｏｒ）

５１．３０７５１．６５７２７．４５７

３３．０００

　　　　Ｗｅ　ｕｓｅ　ｔｈｅ　ＩＲ　ｍｏｄｕｌｅ　ｔｏ　ｒｅｔｒｉｅｖｅ　２０　ｒｅｌｅｖａｎｔ　ｄｏｃｕｍｅｎｔｓ　ａｎｄ　ｅｘｔｒａｃｔ　５０　ｓｅｎｔｅｎｃｅｓ　ａｖｅｒａｇｅｌｙ．　Ｓｏｆｏｒ　ｅｖｅｒｙ　ｑｕｅｙ　ｒｓｅｎｔｅｎｃｅ　ｔｈｅｒｅ　ａｒｅ　ａｂｏｕｔ　１，０００　ｓｅｎｔｅｎｃｅｓ．　Ｗｅ　ｃａｌｃｕｌａｔｅ　ａｎｄ　ｓｏｒｔ　ｔｈｅｓｅ　１，０００　ｒｅｌｅｖａｎｃｙｖａｌｕｅｓ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｒｅｔｒｉｅｖｅｄ　ｓｅｎｔｅｎｃｅｓ　ａｎｄ　ｔｈｅ　ｑｕｅｒｙ　ｓｅｎｔｅｎｃｅ，　ａｎｄ　ｉｎａｆｌｙ　ｇｅｔ　ｏｎｅ　ｏｒ　ｍｏｒｅ　ｓｅｎｔｅｎｃｅｓｗｉｔｈ　ｔｈｅ　ｌａｒｇｅｓｔ　ｖａｌｕｅ　ａｓ　ａｎｓｗｅｒｓ．　Ｗｅ　ｉｌｕｓｔｒａｔｅ　５　ｑｕｅｒｉｅｓ　ｔｏ　ｓｈｏｗ　ｔｈｅ　ｅｆｅｃｔ　ｏｆ　ｏｕｒｑＡ　ｓｙｓｔｅｍ．　９３ｐｅｏｐｌｅ　ａｒｅ　ｓｅｌｅｃｔｅｄ　ｔｏ　ｅｖａｌｕａｔｅ　ｗｈｅｔｈｅｒ　ｔｈｅｓｅ　ａｎｓｗｅｒｓ　ａｒｅ　ｒｅａｓｏｎａｂｌｅ．　Ｔｈｉｓ　ｅｖａｌｕａｔｉｏｎ　ｉｓ　ｓｉｍｐｌｉｉｅｆｄｗｉｔｈ　ｔｈｅ　ｆｏｌｏｗｉｎｇ　ｓｔａｎｄａｒｄ：　ｉｆ　ｏｎｅ　ｐｅｒｓｏｎ　ｔｈｉｎｋｓ　ｔｈｅ　ａｎｓｗｅｒ　ｒｅａｓｏｎａｂｌｅ，　ｔｈｅ　ｓｃｏｒｅ　ｉｓ　ｉｎｃｒｅｍｅｎｔｅｄ　ｂｙ１；　ｏｔｈｅｒｗｉｓｅ，　ｔｈｅ　ｓｃｏｒｅ　ｒｅｍａｉｎｓ　ｕｎｃｈａｎｇｅｄ．　Ｔｈｅｎ　ｔｈｅ　ｍａｘｉｍａｌ　ｓｃｏｒｅ　ｂｙ　ｗｈｉｃｈ　ｏｎｅ　ａｎｓｗｅｒ　ｃａｎ　ｇｅｔ　ｉｓ９３．玩Ｔａｂｌｅ　３，　ｔｈｅ　ｉｒｆｓｔ　ｃｏｌｕｍｎ　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　Ｎｏ．　ｏｆ　ｏｎｅ　ｑｕｅｙ　ｒｓｅｎｔｅｎｃｅ；　ｔｈｅ　ｓｅｃｏｎｄ　ｉｓ　ｔｈｅ　ｓｕｍ　ｏｆｔｈｅ　ｒｅｔｒｉｅｖｅｄ　ｓｅｎｔｅｎｃｅｓ；　ｔｈｅ　ｔｈｉｒｄ　ｃｏｌｕｍｎ　ｒｅｐｒｅｓｅｎｔｓ　ｔｈｅ　ｌａｒｇｅｓｔ　ｒｅｌｅｖａｎｃｙ　ｗｈｉｃｈ　ｗｅ　ｇｅｔ　ｂｙ　ｓｅｍａｎｔｉｃｃｏｍｐｕｔａｔｉｏｎ：　ａｎｄ　ｔｈｅ　ｌａｓｔ　ｃｏｌｕｍｎ　ｒｅｃｏｒｄｓ　ｔｈｅ　ｓｃｏｒｅ　ｏｆ　ｏｎｅ　ａｎｓｗｅｒ．

Ｆ　　　　ｒｏｍ　Ｔａｂｌｅ　３，　ｗｅ　ｃａｎ　ｓｅｅ　ｔｈａｔ　ｔｈｅ　ａｎｓｗｅｒｓ　ａｒｅ　ｒｅａｓｏｎａｂｌｅ　ｆｏｒ　ｍｏｓｔ　ｐｅｏｐｌｅ．　－１　ｔｉｅ　ｌａｒｇｅｓｔ　ｖａｌｕｅｓ　ｏｒ

ｒｅｌｅｖａｎｃｙ　ｆｏｒ　ｅｖｅｙ　ｒｑｕｅｒｙ　ａｒｅ　ｖｅｙ　ｒｄｉｆｅｅｎｒｔ，　ｗｈｉｃｈ　ｉｓ　ｂｅｃａｕｓｅ　ｏｕｒ　ｃｏｍｐｕｔａｔｉｏｎ　ｉｓ　ｄｅｐｅｎｄｅｎｔ　ｏｎ　ｔｈｅｌｅｎｇｔｈ　ａｎｄ　ｗｏｒｄｓ　ｏｆ　ｏｎｅ　ｓｅｎｔｅｎｃｅ．ＤＬ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ｂｌｅ　Ｓ．　Ｒｅｕｌｔｓ　ｏｆ　Ｓｅｖｅｒａｌ　Ｑｕｅｒｉｅｓ　ｉｎ　Ｑ－Ａ

ｇｅｓｔ　ｒｅｌｅｖａｎｃｙ｝ＳｗｒｅＱｕｅｙ　ｒＮｏ．｝Ｒｅｌｅｖａｎｔ　ｓｅｎｔｅｎｃｅｓＬａｒ

一

１，０２９

２ｎｄ

９８６

２３２．４１１

９３

３ｒｄ

９９７

３３４．８２６

９２

４ｔｈ

１，００３

６０２．１３３

９３

５ｔｈ

｝｝

１，００２

一

２０５．１２７

１ｓｔ

｝

６０３．３２９

８ｇ

一１９１

６　　Ｃｏｎｃｌｕｓｉｏｎｓ

　　Ｔｈｉｓ　ｐａｐｅｒ　ｍａｉｎｌｙ　ｉｎｔｒｏｄｕｃｅｓ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｉ　ｓｅｍａｎｔｉｃ　ｃｏｍｐｕｔａｔｉｏｎ　ｉｎ　ｏｕｒ　ｙｕｅｓｕｏｎ－ａｎｓｗｅｒｎｇｉｓｙｓｔｅｍ．　Ｗｅ　ｃａｎ　ｃｏｍｐｕｔｅ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｅｌｒｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｗｏｒｄｓ，　ａｎｄ　ｇｅｔ　ｔｈｅ　ｏｐｔｉｍａｌ　ｒｅｓｕｌｔ妙ｃｌｃａｕｌａｔｉｎｇ　ｔｈｅ　ｒｅｌｅｖａｎｃｙ　ｂｅｔｗｅｅｎ　ｓｅｎｔｅｎｃｅｓ．　Ｏｕｒ　ｍｅｔｈｏｄ　ｃｏｎｆｏｒｍｓ　ｔｏ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅＣｈｉｎｅｓｅ　ｌａｎｇｕａｇｅ，　ｃｏｍｂｉｎｉｎｇ　ｓｅｍａｎｔｉｃ　ｉｎｆｏｒｍａｔｉｏｎ　ｗｉｔｈ　ｔｈｅ　ｃｏｍｐｕｔａｔｉｏｎ　ａｔ　ｔｈｒｅｅ　ｌｅｖｅｌｓ　ａｎｄ　ａｖｏｉｄｉｎｇａ　ｌｏｔ　ｏｆ　ｃｏｍｐｌｅｘｉｔｉｅｓ　ｉｎ　ｌａｎｇｕａｇｅ　ｐｒｏｃｅｓｓｉｎｇ．　Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ，　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｅ　ｉｎｔｅｒｍｅｄｉａｔｅ　ｐｒｏｃｅｓｓ，ｓｕｃｈ　ａｓ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ａｓｓｏｃｉａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓｅｍｅｍｅｓ，　ａｎｄ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ａｎｄ　ｅｌｒｅｖａｎｃｙ　ｂｅｔｗｅｅｎｗｏｒｄ　ｓｅｎｓｅｓ，　ａｒｅ　ｌｓａｏ　ｖｅｒｙ　ｈｅｌｐｆｕｌ　ｉｎ　ｏｔｈｅｒ　ｒｅｓｅａｒｃｈ　ｉｅｆｌｄｓ，　ｅ．ｇ．，　ｐｏｌｙｓｅｍｏｕｓ　ｄｉｓａｍｂｉｇｕａｔｉｏｎ　ｃｌｕｓｔｅｒｉｎｇ，ａｎｄ　ｂｉｌｉｎｇｕａｌ　ａｌｉｇｎｍｅｎｔ，　ｔｏ　ｎａｍｅ　ａ　ｆｅｗ．．　ＬＩＡＮＧ　Ｙａｎ　ｆｏｒ　ｔｈｅｉｒＳｏｎｇ，ＭｓＡｃ　　ｋｎｏｗｌｅｄｇｅｍｅｎｔｓ　　Ｔｈｅ　ａｕｔｈｏｒｓ　ｗｏｕｌｄ　ｌｉｋｅ　ｔｏ　ｔｈａｎｋ　Ｄｒ．ＬＵ　ｕａｂｌｅ　ｃｏｍｍｅｎｔｓ　ｏｎ　ｔｈｉｓｔｈｅｉｒｖａｌｈｅｌｐ　ｏｎ　ｔｈｉｓ　ｗｏｒｋ，　ａｎｄ　ｔｈａｎｋｓ　ａｌｓｏ　ｇｏ　ｔｏ　ａｎｏｎｙｍｏｕｓ　ｒｅｖｉｅｗｅｒｓｆｏｒ　ｐａｐｅｒ．

万方数据

Ｎｏ．６

Ｓｅｍａｎｔｉｃ　Ｃｏｍｐｕｔａｔｉｏｎ　ｉｎ　ａ　Ｃｈｉｎｅｓｅ　Ｑｕｅｓｔｉｏｎ－Ａｎｓｗｅｒｉｎｇ　Ｓｙｓｔｅｍ

９３９

Ｒｅｆｅｒｅｎｃｅｓ

［１１　Ｖｏｏｒｈｅｅｓ　Ｅ．　Ｔｈｅ　ＴＲＥＣ－８　ｑｕｅｓｔｉｏｎ　ａｎｓｗｅｒｉｎｇ　ｔｒａｃｋ　ｒｅｐｏｒｔ．　Ｎａｔｉｏｎａｌ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｔａｎｄａｒｄｓ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，　１９９９Ｐ７７　　　　

［２１　Ｄｏｎｇ　Ｚｈｅａｄｏｎｇ．　Ｈｏｗｎｅｔ．　ｈｔｔｐ；／／ｗｗｗ．ｋｅｅｎａｇｅ．ｃｏｍ，　１９９９［３１　Ｚｈｏｕ　Ｑｉａｎｇ，　Ｆｅｎｇ　Ｓｏｎｇｙａｎ．　Ｂｕｉｌｄｉｎｇ　ａ　ｒｅｌａｔｉｏｎ　ｎｅｔｗｏｒｋ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ｆｏｒ　Ｈｏｗ－ｎｅｔ．　Ｉｎ　Ｐｍｃ．　２０００　Ｉｎｔｅｎａｒｔｉｏｎａｌ伽 ”在ｍａｃ　　　　ｅ　ｏｎ　Ｍｕｌｔｉｌｉｎｇｕａｌ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ，　Ｕｒｕｍｑｉ，　Ｃｈｉｎａ，　２０００，　ｐｐ．１３９－１４５

［４１　Ｇａｎ　Ｋ　Ｗ，　Ｗｏｎｇ　Ｐ　Ｗ．　Ａｎｎｏｔａｔｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｔｒｕｃｔｕｒｅｓ　ｉｎ　Ｃｈｉｎｅｓｅ　ｔｅｘｔｓ　ｕｓｉｎｇ　ＨｏｗＮｅｔ．　Ｉｎ　Ｓｅｃｏｎｄ　ＣｈｉｎｅｓｅＬ　　　　ａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ　Ｗｏｒｋｓｈｏｐ，　Ｈｏｎｇ　Ｋｏｎｇ，　Ｃｈｉｎａ，　２０００，　ｐｐ．８５－９２．［５１　Ｍｅｉ　Ｊｉａｊｕ．　Ｔｏｎｇｙｉｃｉ　Ｃｉｌｍ．　Ｓｈａｎｇｈａｉ　Ｔｈｅｓａｕｒｕｓ　Ｐｒｅｓｓ，　１９８３．［６１　Ｋａｔｚ　Ｂ．价ｏｍ　ｓｅｎｔｅｎｃｅ　ｐｒｏｃｅｓｓｉｎｇ　ｔｏ　ｉｎｆｏｒｍａｔｉｏｎ　ａｃｃｅｓｓ　ｏｎ　ｔｈｅ　Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ．　ＡＡＡＩ　Ｓｐｒｉｎｇ　Ｓｙｍｐｏｓｉｕｍ　ｏｎＮａｔ　　　　ｕｒａｌ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ　ｆｏｒ　ｔｈｅ　Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ，　Ｓｔａｎｆｏｒｄ　Ｕｎｉｖｅｒｓｉｔｙ，　Ｓｔａｎｆｏｒｄ　ＣＡ，　１９９７．

［７１　Ｒｏｈｍｉ　Ｓｒｉｈａｒｉ，　Ｗｅｉ　Ｌｉ．　Ｉｎｆｏｒｍａｔｉｏｎ　ｅｘｔｒａｃｔｉｏｎ　ｓｕｐｐｏｒｔｅｄ　ｑｕｅｓｔｉｏｎ　ａｎｓｗｅｒｉｎｇ．　（Ｃｙｍｆｏｎｙ　Ｉｎｃ）Ｉｎ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆｔ　　　　ｈｅ　８ｔｈ　Ｔｅｘｔ　Ｒｅｔｉｅｒｖａｌ　Ｃｏｎｆｅｒｅｎｃｅ　（ＴＲＥＣ－司，Ｎａｔｉｏｎａｌ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｔａｎｄａｒｄｓ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，　Ｇａｉｔｈｅｒｓｂｕｒｇ　ＭＤ１９９９　　　　　　

Ｃｏｍｐｕｔｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ，　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ　ｉｎ　２００２．　Ｓｈｅ　ｉｓ　ｎｏｗ　ａ　ｐｏｓｔｄｏｃｔｏｒ　ｉｎ　ｔｈｅ　Ｉｎｓｔｉｔｕｔｅ

诚ｏｆ

ＬＩ　Ｓ站ｉｏｎ　ｒｅｃｅｉｖｅｄ　ｈｅｒ　Ｂ．Ｓ．　ａｎｄ　Ｍ．Ｓ．ｅｅｓ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｓｃｉｅｎｃｅ　ｒｏｆｍ　Ｓｈａｎｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙｄｅｇｒｒｅｃｅｉｖｅｄ　ｈｅｒ　Ｐｈ．Ｄｄｅｇｒｅｅ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｓｃｉｅｎｃｅ　ｒｏｍ　ｆＩｎｓｔｉｔｕｔｅｉｎ　１９９６　ａｎｄ　ｉｎ　１９９９　ｒｅｓｐｅｃｔｉｖｅｌｙ．　Ａｎｄｓｈｅ　

Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｌｉｎｇｕｉｓｔｉｃｓ，　Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ．　　Ｈｅｒ　ｃｕｒｒｅｎｔ　ｒｅｓｅａｒｃｈ　ｉｎｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｍａｃｈｉｎｅ　ｔｒａｎｓｌａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎ　ｅｘｔｒａｃｔｉｏｎ，　ａｎｄ　ｍａｃｈｉｎｅ　ｌｅａｒｎｉｎｇ

　　　　ＺＨＡＮＧ　Ｊｉａｎ　ｒｅｃｅｉｖｅｄ　ｈｉｓ　Ｂ．Ｓ，　ｄｅｇｒｅｅ　ｉｎ　ｐｈｙｓｉｃａｌ　ｏｃｅａｎｏｇｒａｐｈｙ　ｆｒｏｍ　ｔｈｅ　Ｏｃｅａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｑｉｎｇｄａｏ，Ｃｈｉｎａ　ｉｎ　１９９８，　ａｎｄ　ｈｉｓ　Ｍ．Ｓ，　ｄｅｇｒｅｅ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｓｃｉｅｎｃｅ　ｆｒｏｍ　ｔｈｅ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ，　Ｃｈｉｎｅｓｅ

Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ　ｉｎ　２００１．　Ｎｏｗ　ｈｅ　ｉｓ　ａ　Ｐｈ．Ｄ．　ｃａｎｄｉｄａｔｅ　ａｔ　ｔｈｅ　Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，　ＣａｒｎｅｇｉｅＭｅｌｌｏｎ　Ｕｎｉｖｅｒｓｉｔｙ．　Ｈｉｓ　ｒｅｓｅａｒｃｈ　ｉｎｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｍａｃｈｉｎｅ　ｌｅａｒｎｉｎｇ，　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ　ａｎｄ　ｄａｔａ　ｍｉｎｉｎｇ．

ＨＵＡＮＧ　　　Ｘｉｏｎｇ　ｒｅｃｅｉｖｅｄ　ｈｉｓ　Ｂ．Ｓ．　ａｎｄ　Ｍ．Ｓ．　ｄｅｇｅｅｒｓ　ｆｒｏｍ　Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｉｎ　１９９２　ａｎｄ　１９９５　ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｈｅ　ｒｅｃｅｉｖｅｄ　ｈｉｓ　Ｐｈ．Ｄ．　ｄｅｇｒｅｅ　ｆｒｏｍ　Ｂｅｉｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ　ａｎｄ　Ａｓｔｒｏｎａｕｔｉｃｓ　ｉｎ　１９９９．　Ｆｒｏｍ　Ｍａｙ，１９９９　ｔｏ　Ｍａｙ，　２００１　ｈｅ　ｃｏｎｄｕｃｔｅｄ　ｒｅｓｅａｒｃｈ　ｉｎ　ｔｈｅ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ａｓ　ａ　ｐｏｓｔｄｏｃｔｏｒａｌ　ｆｅｌｌｏｗ．Ｈｉｓ　ｍａｊｏｒ　ｉｎｔｅｒｅｓｔｓ　ｌｉｅ　ｉｎ　ａｎａｌｙｓｉｓ　ａｎｄ　ｄｅｓｉｇｎ　ｏｆ　ｃｏｍｂｉｎａｔｏｒｉａｌ　ａｌｇｏｒｉｔｈｍｓ，　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｃｏｍｐｌｅｘｉｔｙ，　Ｗｅｂｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ　ａｎｄ　Ｗｅｂ　ａｐｐｌｉｃａｔｉｏｎ　ｄｅｖｅｌｏｐｍｅｎｔＢＡＩ　　　　　Ｓｈｕｏ　ｒｅｃｅｉｖｅｄ　ｈｉｓ　Ｍ．Ｓ，　ａｎｄ　Ｐｈ．Ｄ．　ｄｅｇｒｅｅｓ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｓｃｉｅｎｃｅ　ｒｏｍ　ｆＰｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｉｎ　１９８７　ａｎｄ

１９９０　ｒｅｓｐｅｃｔｉｖｅ坛Ｔｈｅｎ　ｈｅ　ｃｏｎｄｕｃｔｅｄ　ｒｅｓｅａｒｃｈ　ａｓ　ａ　ｐｏｓｔｄｏｃｔｏｒａｌ　ｆｅｌｌｏｗ　ｉｎ　ｔｈｅ　Ｍａｔｈｅｍａｔｉｃｓ　Ｄｅｐａｒｔｍｅｎｔ　ｏｆ

Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ．　Ｈｅ　ｈａｓ　ｐｕｂｌｉｓｈｅｄ　ｍｏｒｅ　ｔｈａｎ　６０　ｐａｐｅｒｓ　ｉｎ　ｒｅｆｅｒｅｅｄ　ｊｏｕｎａｒｌｓ　ａｎｄ　ｃｏｎｆｅｒｅｎｃｅｓ．　Ｈｉｓ　ｒｅｓｅａｒｃｈｉｎｔｅｒｅｓｔｓ　ａｒｅ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｌｉｎｇｕｉｓｔｉｃｓ，　ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　ｎｅｔｗｏｒｋ　ｓｅｃｕｒｉｔｙ．

　　　　ＬＩＵ　Ｑｕｎ　ｉｓ　ａｎ　ａｓｓｏｃｉａｔｅ　ｐｒｏｆｅｓｓｏｒ　ｉｎ　ｔｈｅ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ，　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ．Ｈｅ　ｒｅｃｅｉｖｅｄ　ｈｉｓ　Ｂ．Ｓ．　ｄｅｇｒｅｅ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｓｃｉｅｎｃｅ　ｆｒｏｍ　ｔｈｅ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　Ｃｈｉｎａ　ｉｎ１９８９　ａｎｄ　ｈｉｓ　Ｍ．Ｓ－　ｄｅｇｒｅｅ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｓｃｉｅｎｃｅ　ｒｏｍ　ｆｔｈｅ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ，　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙｏｆ　Ｓｃｉｅｎｃｅｓ　ｉｎ　１９９２．　Ｈｅ　ｉｓ　ｐｕｒｓｕｉｎｇ　ｈｉｓ　Ｐｈ．Ｄ．　ｄｅｇｒｅｅ　ｉｎ　ｃｏｍｐｕｔｅｒ　ｓｃｉｅｎｃｅ　ｉｎ　Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｆｒｏｍ　１９９９　ｔｉｌｌｎｏｗ．　Ｈｉｓ　ｒｅｓｅａｒｃｈ　ｉｎｔｅｒｅｓｔｓ　ｉｎｃｌｕｄｅ　ｍａｃｈｉｎｅ　ｔｒａｎｓｌａｔｉｏｎ，　ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　Ｃｈｉｎｅｓｅ　ｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓ－ｇ．

万方数据

Page 1 Page 2 Page 3 Page 4 1999 2001 2002 20][03 ...