superword开源项目中的定义相似规则-白红宇

两个词之间的关系有同义、反义、近义（有多近？）、相关（有多相关？）等等。我们如何来判断两个词之间的关系呢？利用计算机能自动找出这种关系吗？当然可以，不仅能找出来，而且还能量化出有多近和有多相关。

本文描述了superword开源项目中的定义相似规则，利用词的定义计算词和词之间的相似性。词的定义使用的是韦氏词典，同时也支持牛津词典。相似性算法使用的是word分词提供的10大相似性算法。

定义相似规则主要包括以下6步：

1、获取要计算的词的定义：

String wordDefinition = MySQLUtils.getWordDefinition(word, WordLinker.Dictionary.WEBSTER.name());

2、获取分级词汇，分级词汇的具体定义见这里：

Set
    
      words = (Set
     
      )application.getAttribute("words_"+request.getAttribute("words_type"));

3、获取分级词汇的定义，代码见这里：

List
    
      allWordDefinition = MySQLUtils.getAllWordDefinition(WordLinker.Dictionary.WEBSTER.name(), words);

4、从word分词提供的10大相似性算法中任选一个，同时指定使用word分词提供的针对纯英文的分词器：

TextSimilarity textSimilarity = new CosineTextSimilarity();textSimilarity.setSegmentationAlgorithm(SegmentationAlgorithm.PureEnglish);

5、计算相似性，返回最相似的100个单词：

int count = 100;Hits result = textSimilarity.rank(wordDefinition, allWordDefinition, count);

6、输出计算结果：

StringBuilder temp = new StringBuilder();int i=1;temp.append("
    
     ");    temp.append("
    
    
     \n");for(Hit hit : result.getHits()){    String[] attrs = hit.getText().split("_");    String w = attrs[0];    StringBuilder definition = new StringBuilder(attrs[1]);    for(int j=2; j
\n");    temp.append("
\n");}temp.append("
                   ").append(i++)            .append(".         ")            .append(WordLinker.toLink(w))            .append("         ")            .append(definition)            .append("         ")            .append(hit.getScore())            .append("         ")            .append("相似")            .append("       
     
    
\n");htmlFragment = temp.toString();

计算效果如下图所示：

1、使用韦氏词典的定义

2、使用爱词霸的定义

3、使用有道词典的定义

文章转载自开源中国社区[https://www.oschina.net]