概念空间方法

3．1．7　概念空间方法^［14］

美国学者Chen，H．在1995年综合词汇同现频率、词汇长度等因素提出了一种不对称的词汇相似度算法，称为概念空间方法（Concept Space Approach）。概念空间是词汇和词汇之间的权重关联组成的语义网络，代表了潜在于信息空间（如不同领域知识库中的文献）的概念（词汇）和它们的关联，并能辅助基于概念的跨领域信息检索。有效地构建概念空间需要领会六项基本原则：词汇对数增长原则、完整性原则、词汇专指性原则、非对称关联原则、相关性反馈原则、词汇重叠和发散激活原则。运用该理论，Chen初步构建了生物领域中的英文蠕虫群叙词表^［15］，后来，在Illinois数字图书馆启动项目（DLI）的语义检索实验中也付诸实践，构建了基于概念的跨领域的英文工程词表^［16］，均取得了令人鼓舞的效果，并通过实验证实，这种关联度计算方法较余弦公式能得到更好的关联效果。其中：d_ij＝tf_ij×log（n/df_j×w_j），词汇j在文献i中的权重，由TF－IDF计算得出。d_ijk＝tf_ijk×log（n/d f_jk×w_j），词汇j和k在文献i中的权重。

各参数代表的含义如下：tf_ij表示词汇j在文献i中的词频；df_j表示词汇j在整个文献集合中出现的文献数；w_j表示词j的长度；n表示文献集合中文献量；tf_ijk表示词汇j和词汇k在文献i中的同现频次，其值等于min（tf_ij，tf_ik）；df_jk表示词汇j和词汇k同现的文献数量。

weightingfactor（k）＝log（N/df k）/log（N），是权重调整方案，考虑到普通词问题，即在大量文献中出现的词汇权重小，在词汇关联时得到较小的关联度。相应的，词汇k到词汇j的关联计算公式为：

　Chen通过实验评估了所生成词表的性能：选6个检索者，每人给定16个预选的词，请每个检索者先就每个词联想出相关的词汇，再从系统提示的关联词中判断哪些是相关或不相关。通过两种结果比较得出，召回率分别为28．60%与61．89%，准确率为77．08%及24．17%。由此得出：人工联想准确度高，召回率低；而机器产生关联词较多，准确度低。但是这种不对称的词汇关联算法涉及计算量庞大，需要超级计算机作为硬件保障，因此学者Chi Yuen Ng等提出一种效率较高的改进算法^［17］。