日本語WordNetによる単語間概念距離

日本語WordNetのsynsetにはルートsynsetから上位下位のsynsetが木構造のように存在し、概念の関係を表している。このsynsetの関係から単語間の概念距離を求め、類似度計算に使用する。二つの単語のsynsetの関係により、概念距離を求める式が異なるので、以下にその方法を示す。

同じsynsetに存在する場合

概念距離は0とする。

違うsynsetに存在する場合

概念距離は式(3.17)を使用して求める。

違うsynsetに存在し、synset間に複数のルートが存在する場合

それぞれの距離を式(3.17)を使用して求め平均を概念距離とする。

複数のsynsetに属する場合

それぞれ式(3.17)を使用して求め、最小値を概念距離とする。

synsetの関係が見つからない場合

概念距離は1とする。

単語AとBがあるとき、それぞれのルートsynsetからの段数を$L_a$ 、$L_b$ とし、二つの共通のsynsetの段数を$C_{ab}$ とする。このとき、求める概念の類似度$S_{a,b}$ は次の式で表せる。[4]

$$S_{a,b} = \frac{2C_{ab}}{L_a+L_b}$$ (16)

式(3.16)は最大値が1になるよう正規化されているので、式(3.17)で類似度$S_{a,b}$ は概念距離$D_{a,b}$ に変換できる。

$$D_{a,b} = 1 - S_{a,b}$$ (17)