去年的唐诗生成唯一没有完成的就是近义词搜索。因为涉及上下文的比较，而且评价指标很明确，两个词一眼就能看出是否近义。相比相关词搜索就很随便，两个词只要一起出现过就几乎算相关了，这样说来，相关词搜索是近义词搜索的基础。
周末并没有出行，除了洗衣做饭写明信片还有很多时间，用emacs把上下文比较的算法写了一遍，发现词频较高，比如大于100的词，搜索出的近义词已经很令人满意，结果如下，有一些噪声。
故乡：帝乡、旧国、故国、乡里、旧山、故园、乡关
远山：远岫、石桥、孤峰、旧山
夕阳：斜阳、残阳、暮雨、落日
浮云：帝乡、楚云、黄云、云霄、片云、千峰、云霞、寒云、孤云、白云、青云
这种上下文算法对于词频小于100的词无效，因为唐诗的上下文很少，而且并不集中，也许在唐诗中寻找近义词并不合适=，=
不过总之，算是对PS中写的近义词搜索算法有一个交代。利用词性筛选和按频率重排应该能得到更好的结果。下周试一下。
Comments (2)