问题标签 [ws4j]

我使用 wordnet 相似性 java api 来测量两个同义词集之间的相似性，如下所示：

主班

我的数据库包含 595 个同义词集，这意味着方法computeSimilarity将被调用 (595*594/2) 时间来计算两个单词之间的相似度，它花费的时间超过5000 ms！所以要完成我的任务，我至少需要一个星期！

我的问题是如何减少这段时间！

怎么提高成绩？？

我正在用 Java 编写一个关于剽窃检测的项目，在这种情况下，第一步我需要执行以下任务：

输入文件（txt、.pdf、.doc）

将文件内容转换为文本

将停用词标记化为 n-gram

处理文本上的文本相似性算法

报告抄袭检测迹象

我通过自己编码完成了这些步骤，但现在我觉得它缺乏很多性能，所以我开始在我的工作中使用可用的 API es，有没有人使用过ws4j 库？有任何可用的文档或帮助吗？我不能重复使用它。这正是我想要的，看看演示

我有一个取自这个示例的非常简单的代码，其中我使用 Lin、Path 和 Wu-Palmer 相似度度量来计算两个单词之间的相似度。我的代码如下：

并且分数与预期相同，除非两个词相同。如果两个词相同（例如w1 = "walk"; w2 = "walk";），那么我拥有的三个度量值都应该返回 1.0。但相反，他们返回 1.7976931348623157E308。

我以前使用过 ws4j（实际上是相同的版本），但我从未见过这种行为。在网上搜索并没有找到任何线索。这里可能出了什么问题？

PS Lin、Wu-Palmer 和 Path 度量应该返回 1 的事实也可以通过 ws4j 提供的在线演示来验证

我的问题介绍：用户可以搜索术语，RitaWordNet 提供了一个名为 getSenseIds() 的方法来获取相关的感官。到目前为止，我正在使用具有不同算法来定义距离的 WS4J（Java 的 WordNet 相似性， http://code.google.com/p/ws4j/ ）。搜索“用户”有以下结果：

• 用户
• 剥削者
• 吸毒者

http://wordnetweb.princeton.edu/perl/webwn?s=user&sub=Search+WordNet&o2=&o0=1&o8=1&o1=1&o7=&o5=&o9=&o6=&o3=&o4=&h=0

通过比较 WS4J 中的两个术语（我假设使用 targetWord？）来测量 Lin 距离：

• 之间的相似性：用户和：用户= 1.7976931348623157E308
• 相似度：用户和：explorer = 0.1976958835785797

我想向最终用户返回一个建议，即“用户”意义是最相关/正确的答案，但问题是这取决于句子的其余部分。

例如：“老人是公共交通工具的常客”，“年轻人在学习 NLP 时变成了吸毒者..”。

我假设 senserelate 项目包含我缺少的东西。在我的搜索过程中也找到了这个线程： word disambiguation algorithm (Lesk algorithm)

希望有人得到我的问题:)

我正在做关于“网络视频分类”的最后一年项目，其中一部分是找到特定单词的相似（同义词）单词，我想从中删除相似的术语。

我知道 Java 语言，所以我选择了“Java Word Similarity” ws4j

为此，我只使用了 WS4J1.0.1 jar 文件，即使我没有下载任何额外的文件，如WordNet词法数据库或sqlite数据库来存储它。因为在那个网站上，他们提到所有都包含在这个 jar 文件中。

当我执行演示程序SimilarityCalculationDemo.java时，出现以下错误：

我正在使用带有 JDK 6 的 Netbeans IDE 7.4。

任何人都可以帮助我，如何克服这个问题，因为互联网上关于ws4j的文档较少。

我正在尝试使用 lesk 查找两个单词（例如“home”和“house”）之间的相似性。

我执行了用于查找此处给出的 lesk 值的演示代码，我还使用此处的在线 ws4j 演示找到了该值

他们都给出不同的值，即

Values by executing demo code given in ws4j :
WuPalmer = 0.4
JiangConrath = 0.08467941109843881
LeacockChodorow = 1.1349799328389845
Lin = 0.16528546101187536
Resnik = 1.1692001183611416
Path = 0.1111111111111111
Lesk = 0.0
HirstStOnge = 0.0

在线演示的值：
wup( home#n#8 , house#n#10 ) = 1.0000
jcn( home#n#8 , house#n#10 ) = 12876699.5 lch
( home#n#8 , house#n#10 ) = 3.6889
lin( home#n#8 , house#n#10 ) = 1.0000
res( home#v#1 , house#v#2 ) = 9.0735
路径( home#n#8 , house#n#10 ) = 1.0000
列斯克（家#n#8，房子#n#10）= 1571
hso（家#n#8，房子#n#10）= 16

当他们都使用相同的ws4j时，为什么这两者之间的差异如此之大？演示代码有什么问题吗？

这可能是完全正常的，但我有用于 Java 的 ws4j，我似乎得到像“1.7345 ...”这样的数字，用于两个单词之间的 lesk 度量（当我使用演示代码时），但在演示网站http:/ /ws4jdemo.appspot.com/?mode=w&s1=&w1=solve&s2=&w2=determine

lesk 度量是一个整数，例如“57”。我似乎找不到这样做的原因，但总的来说我也是编程新手。

我想写一些东西，它接受一个 word1 并迭代其余的词，只返回 Lesk 测量值（与 word1 相比）高于某个值的词。这让我想到了一个相关的问题，在 Python 中，我可以使用

但我不知道如何对 ws4j 做同样的事情？

我正在尝试使用ws4j在其在线ws4j 演示中提供的两个单词的所有含义之间的 LESK 相似度得分，格式为word#pos#sense number 用于两个单词的所有含义，但我无法找到如何使用 ws4j 库获得相同格式的结果？？由于没有适用于 ws4j 的适当文档，并且该库的演示/示例代码仅给出最大值，也没有说明哪些感官获得了该分数。

有人可以帮忙吗？

我需要找出两个输入词之间的语义相似性/相关性。以下单词在现实世界中相似或相关：-

以下是我从这里截取的代码

我在 Eclipse 3.4 中使用 WS4J Api (ws4j1.0.1.jar) 和 java 1.7。我得到以下没有意义的结果，或者我的看法可能是错误的。

如果我的方法是错误的，请让我知道如果我想计算单词之间的相似性，那么我应该使用什么其他 api。

我想使用 ws4j 来计算两个句子之间的相似度。我正在使用 WS4J 的在线演示@ WS4J 在线演示

我使用的是 WS4J 给出的默认例句。输入句子并点击计算相似度按钮后，我得到以下输出：

在这里，我得到了句子的各个标记之间的相似性。
我如何从这里进一步前进。我想得到一个值（比如 0.5 或 0.8），它表示这两个句子的相似性。
有没有从这里开始的标准方法，还是我必须编写自己的算法？