前面描述的算法有時候不能惟一地確定合適的目標片段。例如下面的對話：

A: Did the clerk put the ice cream in the refrigerator?(職員是否把冰激凌放到冰箱里了？)

B: No.（沒有。）

A: The TV dinners?(電視快餐呢?)

這種情況下，根據輸入片段生成的模式能夠匹配名詞短語“the clerk”，“the ice cream”和“the refrigerator”。我們只能利用語義信息來選擇“the ice cream”作為合適的目標片段。類似地，如果是“The manager?”，則可以推斷“the clerk”作為合適的目標片段；如果是“The freezer?”，可以推斷出“the refrigerator”作為目標片段。

由前面的例子可以總結出，計算輸入片段和目標片段的語義相似度，然后選擇最相似的候選目標片段。例如，假定系統(tǒng)有圖1所示的分類體系。

圖1類型的層次體系

可以采用最簡單的相似度計算方法來計算兩個語義之間的距離?？紤]輸入片段是“The TV dinners?”,候選目標片段是“the clerk”,“the ice cream”和“the refrigerator”。可以通過計算層次體系中的兩個節(jié)點之間的步數來估計它們之間的語義相似度。結果如下所示：

TV-DINNER與CLERK：7 (通過PHYSOBJ)

TV-DINNER與ICE-CREAM:4 (通過FOOD)

TV-DINNER與REFRIG:6 (通過INANIMATE)

這樣，“the ice cream”是首選目標片段，我們得到了合適的分析。

當然，這樣根據語義相似性來做推斷并不一定完全正確。如果語義解釋器不能很好地分析結構，可以嘗試其他的可能。考慮下面的對話：

A: Did you see the clerk in the store?(你在商店里看到那個職員了嗎?)

B: Yes.(是的。)

A:The toaster oven?(烤箱呢?)

這一情況有下面的語義相似校驗：

TOASTER與CLERK：7(通過 PHYSOBJ)

TOASTER與 STORE：5(通過INANIMATE)

這樣，語義相似性檢查將“the store”作為目標片段，由此可以解釋為“Did you see the clerk in the toaster oven?”我們希望語義解釋規(guī)則足夠豐富，以便說明這種解釋是行不通的。然后，處理省略的算法可以給出下一個可能的候選，將“the clerk”作為目標片段，構建的解釋為“Did you see the toaster oven in the store?”

責任編輯：admin