1、在自然語(yǔ)言處理的研究中,詞語(yǔ)聚類算法是被廣泛研究的課題。它在自然語(yǔ)言處理各個(gè)應(yīng)用中均扮演十分重要的角色。詞聚類算法在文本信息檢索，機(jī)器翻譯，語(yǔ)音識(shí)別以及自然語(yǔ)言理解等相關(guān)領(lǐng)域都有廣泛的應(yīng)用。然而在詞聚類算法的詞聚類效果評(píng)價(jià)上，目前的詞語(yǔ)聚類算法評(píng)價(jià)方法還存在著許多的不足。
　　目前，詞語(yǔ)聚類算法的評(píng)價(jià)方法主要有人工評(píng)價(jià)和機(jī)器自動(dòng)評(píng)價(jià)兩種方法。人工評(píng)價(jià)費(fèi)時(shí)費(fèi)力，而且評(píng)價(jià)的結(jié)果往往存在很大的個(gè)人主觀性，容易產(chǎn)生偏差；而機(jī)器評(píng)價(jià)主要是在

2、空間向量模型和統(tǒng)計(jì)模型的基礎(chǔ)上使用歐式距離或余弦角的方法來(lái)對(duì)詞聚類結(jié)果進(jìn)行評(píng)價(jià)，而沒有從語(yǔ)義層次上考慮詞語(yǔ)之間的語(yǔ)義關(guān)系，這導(dǎo)致評(píng)價(jià)結(jié)果的不理想。
　　本課題研究的目的在于在知網(wǎng)語(yǔ)義體系的基礎(chǔ)上建立語(yǔ)義模型，并將基于此語(yǔ)義模型的詞關(guān)聯(lián)度計(jì)算方法引入到詞語(yǔ)聚類算法的評(píng)價(jià)方法中，在語(yǔ)義層面上對(duì)得到的詞聚類結(jié)果進(jìn)行評(píng)價(jià)，分析它們的聚類效果，進(jìn)而判斷出各個(gè)詞聚類算法的聚類效果的優(yōu)劣性。
　　本文主要研究?jī)?nèi)容有以下幾個(gè)方面：
　

3、　(1)本文采用了語(yǔ)義信息的量化模型，用詞矢量來(lái)表示詞語(yǔ)的語(yǔ)義信息。并且從語(yǔ)料庫(kù)中選出高頻的特征詞作為待聚類詞集合，并構(gòu)造出待聚類詞集的詞矢量矩陣。
　　(2)分別使用基于SOM，K-means，F(xiàn)uzzy-C-Means和ART2的四個(gè)詞聚類算法對(duì)待聚類詞集合進(jìn)行自動(dòng)聚類，得到四個(gè)不同的聚類結(jié)果。
　　(3)在知網(wǎng)的語(yǔ)義模型的基礎(chǔ)上，將基于知網(wǎng)的詞關(guān)聯(lián)度計(jì)算方法引入到詞聚類算法的聚類結(jié)果評(píng)價(jià)上，對(duì)得到的詞聚類結(jié)果進(jìn)行相對(duì)客