3．1．7　概念空間方法^［14］

美國(guó)學(xué)者Chen，H．在1995年綜合詞匯同現(xiàn)頻率、詞匯長(zhǎng)度等因素提出了一種不對(duì)稱的詞匯相似度算法，稱為概念空間方法（Concept Space Approach）。概念空間是詞匯和詞匯之間的權(quán)重關(guān)聯(lián)組成的語(yǔ)義網(wǎng)絡(luò)，代表了潛在于信息空間（如不同領(lǐng)域知識(shí)庫(kù)中的文獻(xiàn)）的概念（詞匯）和它們的關(guān)聯(lián)，并能輔助基于概念的跨領(lǐng)域信息檢索。有效地構(gòu)建概念空間需要領(lǐng)會(huì)六項(xiàng)基本原則：詞匯對(duì)數(shù)增長(zhǎng)原則、完整性原則、詞匯專指性原則、非對(duì)稱關(guān)聯(lián)原則、相關(guān)性反饋原則、詞匯重疊和發(fā)散激活原則。運(yùn)用該理論，Chen初步構(gòu)建了生物領(lǐng)域中的英文蠕蟲(chóng)群敘詞表^［15］，后來(lái)，在Illinois數(shù)字圖書(shū)館啟動(dòng)項(xiàng)目（DLI）的語(yǔ)義檢索實(shí)驗(yàn)中也付諸實(shí)踐，構(gòu)建了基于概念的跨領(lǐng)域的英文工程詞表^［16］，均取得了令人鼓舞的效果，并通過(guò)實(shí)驗(yàn)證實(shí)，這種關(guān)聯(lián)度計(jì)算方法較余弦公式能得到更好的關(guān)聯(lián)效果。其中：d_ij＝tf_ij×log（n/df_j×w_j），詞匯j在文獻(xiàn)i中的權(quán)重，由TF－IDF計(jì)算得出。d_ijk＝tf_ijk×log（n/d f_jk×w_j），詞匯j和k在文獻(xiàn)i中的權(quán)重。

各參數(shù)代表的含義如下：tf_ij表示詞匯j在文獻(xiàn)i中的詞頻；df_j表示詞匯j在整個(gè)文獻(xiàn)集合中出現(xiàn)的文獻(xiàn)數(shù)；w_j表示詞j的長(zhǎng)度；n表示文獻(xiàn)集合中文獻(xiàn)量；tf_ijk表示詞匯j和詞匯k在文獻(xiàn)i中的同現(xiàn)頻次，其值等于min（tf_ij，tf_ik）；df_jk表示詞匯j和詞匯k同現(xiàn)的文獻(xiàn)數(shù)量。

weightingfactor（k）＝log（N/df k）/log（N），是權(quán)重調(diào)整方案，考慮到普通詞問(wèn)題，即在大量文獻(xiàn)中出現(xiàn)的詞匯權(quán)重小，在詞匯關(guān)聯(lián)時(shí)得到較小的關(guān)聯(lián)度。相應(yīng)的，詞匯k到詞匯j的關(guān)聯(lián)計(jì)算公式為：

　Chen通過(guò)實(shí)驗(yàn)評(píng)估了所生成詞表的性能：選6個(gè)檢索者，每人給定16個(gè)預(yù)選的詞，請(qǐng)每個(gè)檢索者先就每個(gè)詞聯(lián)想出相關(guān)的詞匯，再?gòu)南到y(tǒng)提示的關(guān)聯(lián)詞中判斷哪些是相關(guān)或不相關(guān)。通過(guò)兩種結(jié)果比較得出，召回率分別為28．60%與61．89%，準(zhǔn)確率為77．08%及24．17%。由此得出：人工聯(lián)想準(zhǔn)確度高，召回率低；而機(jī)器產(chǎn)生關(guān)聯(lián)詞較多，準(zhǔn)確度低。但是這種不對(duì)稱的詞匯關(guān)聯(lián)算法涉及計(jì)算量龐大，需要超級(jí)計(jì)算機(jī)作為硬件保障，因此學(xué)者Chi Yuen Ng等提出一種效率較高的改進(jìn)算法^［17］。