词语相似度高级版
综合词林扩展版与Hownet的相似度计算策略和评价指标，来自文献1，代码为本人实现。采用融合计算方式，扩大了词汇覆盖面，也改进了计算结果的合理性。
具体算法选择：
-
词林扩展版
（1）最初采用了【词林相似度计算：实现了3种算法】 中的2016版代码（文献1），比另2种算法效果更好。
（2）后来发现作者团队发表了更新、更优的算法——文献2。于是实现了其中算法，经验证论文结果属实。
（3）再后来发现又有了新的算法——文献3。然后按论文**，原封不动实现效果略逊色于论文数据。但经过调整策略，最终效果优于论文本身。 -
知网Hownet
（1）开源的代码大多均参考刘群的论文，但效果与主观感受有差距。目前选用:【知网相似度计算】。本人修改了其中读取词表遗漏的bug，改善了代码的风格，提高了可读性。
（2）知网计算相似度已有最新论文——文献4，性能有较大提升（在改进Hownet上达到0.84），但算法代码有待实现，希望得到网友贡献。
参考文献
【1】《基于知网与词林的词语语义相似度计算》朱新华,马润聪,孙柳,陈宏朝,2016年7月《中文信息学报》
【2】《基于路径与深度的同义词词林词语相似度计算》陈宏朝, 李飞, 朱新华,马润聪. 2016年9月《中文信息学报》
【3】《基于信息内容的词林词语相似度计算》彭琦, 朱新华, 陈意山,等.2018年2月《计算机应用研究》
【4】《基于多重继承与信息内容的知网词语相似度计算》张波，陈宏朝，朱新华等.2017年10月 《计算机应用研究》
不同语义库上算法对比：
| 相似度方法 | 所用语义词典 | 词汇量 | 皮尔逊系数 |
|---|---|---|---|
| 田久乐 赵蔚(2010) | 同义词词林 | 77456 | 0.53 |
| 吕立辉等(2013) | 同义词词林 | 77456 | 0.74 |
| 陈宏朝等(2016-9) | 同义词词林 | 77456 | 0.856 |
| yaleimeng(2018) | 改进的词林 | 77490 | 0.917 |
| 相似度方法 | 所用语义词典 | 词汇量 | 皮尔逊系数 |
|---|---|---|---|
| 刘群、李素建(2002) | HowNet(知网) | 53335 | 0.699 |
| Seco(2004)+Lin方法 | HowNet(知网) | 53335 | 0.738 |
| 李峰、李芳(2007) | HowNet(知网) | 53335 | 0.793 |
| 张波等(2017) | 改进HowNet | 53335 | 0.84 |
| 相似度方法 | 所用语义词典 | 词汇量 | 皮尔逊系数 |
|---|---|---|---|
| yaleimeng（2018） | 词林+HowNet | 85777 | 0.885 |
注：
1 上面的皮尔逊系数均在MC30数据集上测得。
2 本混合方法计算可调节词林与hownet计算结果的权重，表格中成绩可能为最大值(两词均被同时收录)。
如需了解预训练词向量计算的中文词语相关度，可参见：中文近义词工具包Synonyms
原创不易，欢迎打赏、捐赠：
