【摘要】：本文采用按词素后方一致或前方一致聚类的方法，以辅助基于相似度矩阵的词聚类方法，尽量收全具有等级关系的词汇。表6－13 词素索引表当用户输入查询词汇时，系统首先按最大正向匹配算法切分该词汇，如果选中按“前方一致”查询方法，则提取第一位词素到词素索引表中去匹配，把匹配到的词素按其对应的词汇ID号从内核主题词表中提取各个主题词，并显示在文本框中，供用户查看。图6－9 词素聚类界面
词素聚类方法_自然语言叙词表自动构建研究
6．3 词素聚类方法
考察中文构词特点，含义相近的词汇在字面上往往含有相同的词素，具有等级关系的词汇含有相同词根的现象也很普遍。根据汉语字面成族特点，可以聚集部分等级关系词汇，这种方法简便易行，但无法识别不具备这一特点的等级关系词汇，同时聚集的词汇中也往往含有非等级词汇，所以该方法适用范围有限。本文采用按词素后方一致或前方一致聚类的方法，以辅助基于相似度矩阵的词聚类方法，尽量收全具有等级关系的词汇。
下文以“税收”、“税收管理”等词为例说明词素聚类的处理过程：
（1）根据同义词识别过程中制作的词素表，按最大正向匹配算法对内核表中的语词进行词素切分，同时记录每个词汇包含的所有词素。如表6－12所示，“税务登记表”一词能够切分成“税务”、“登记”和“表”三个词素。
表6－12 词素切分示例
（2）提取所有词素，去重后按字顺排列，同时如表6－13所示，上例中第一位词素为“税务”的词汇有4个，最后一位词素为“税务”的词汇有一个。
表6－13 词素索引表
（3）当用户输入查询词汇时，系统首先按最大正向匹配算法切分该词汇，如果选中按“前方一致”查询方法，则提取第一位词素到词素索引表中去匹配，把匹配到的词素按其对应的词汇ID号从内核主题词表中提取各个主题词，并显示在文本框中，供用户查看（见图6－9）。
图6－9 词素聚类界面
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
