用于语义相似性/相关性的Java API，用于两个＆＃34; WORDS＆＃34;

Question

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类似或相关： -

- genuineness, genuine, genuinely, valid, reality, fact, really   
- painter, painting, paint

以下是我从here

获取的代码

    ILexicalDatabase db = new NictWordNet();
    RelatednessCalculator lin = new Lin(db);
    RelatednessCalculator wup = new WuPalmer(db);
    RelatednessCalculator path = new Path(db);

        String w1 = "truth";
        String w2 = "genuine";
        System.out.println(lin.calcRelatednessOfWords(w1, w2));
        System.out.println(wup.calcRelatednessOfWords(w1, w2));
        System.out.println(path.calcRelatednessOfWords(w1, w2));

我在eclipse 3.4中使用WS4J Api（ws4j1.0.1.jar）和java 1.7。我得到的结果没有任何意义，或者可能是我的看法是错误的。

如果我的方法有误，请告诉我是否想要弄清楚单词之间的相似性，然后我应该使用其他api。

Answer 1

看起来在您配置的数据集中找不到单词，因此它只返回0.0的分数：例如，以下无意义的单词会导致得分0.0为好：

ILexicalDatabase db = new NictWordNet();
RelatednessCalculator lin = new Lin(db);
RelatednessCalculator wup = new WuPalmer(db);
RelatednessCalculator path = new Path(db);

String w1 = "iamatotallycompletelyfakewordwithagermanwordinsidevergnügen";
String w2 = "iamevenmorefakeandstrangerossiskajafoderatsija";
System.out.println(lin.calcRelatednessOfWords(w1, w2));
System.out.println(wup.calcRelatednessOfWords(w1, w2));
System.out.println(path.calcRelatednessOfWords(w1, w2));

不幸的是，我无法告诉您的配置是什么样的，而且您提供的链接似乎不起作用（至少更多）。但是，Google Code处的ws4j 1.0.1的JAR包含其自己的信息内容文件（名为 ic-semcor.dat ），该文件在文件 similarity.conf中配置：

# ----------------------------------------------------------------------
# The following option is supported by :
#               res, lin, jcn

infocontent = ic-semcor.dat

            # Specifies the name of an information content file under 
            # data/. The value of this option must be the name of a 
            # file, or a relative or absolute path name. The default 
            # value of this option ic-semcor.dat.

使用此设置，我会为您在表格中列出的字词获得相同的结果。因此，您应该更多地了解不同指标的各个RelatednessCalculator实施的配置。