word 1 / 57 语义分析的一些方法 ( 上篇)人工智能林17 小时前70℃0 评论火光摇曳语义分析的一些方法〔上篇〕语义分析的一些方法〔中篇〕语义分析的一些方法〔下篇〕语义分析， 本文指运用各种机器学习方法，挖掘与学习文本、 图片等的深层次概念。wikipedia上的解释： In machine learning, semantic analysis of a corpus is the task of building structures that approximate concepts from a large set of documents(or images)。工作这几年，陆陆续续实践过一些项目，有搜索广告，社交广告，微博广告，品牌广告，内容广告等。要使我们广告平台效益最大化，首先需要理解用户，Context( 将展示广告的上下文 ) 和广告，才能将最适宜的广告展示给用户。而这其中，就离不开对用户， 对上下文，对广告的语义分析， 由此催生了一些子项目，例如文本语义分析，图片语义理解，语义索引，短串语义关联，用户广告语义匹配等。接下来我将写一写我所认识的语义分析的一些方法，虽说我们在做的时候， 效果导向居多， 方法理论理解也许并不深入，不过权当个人知识点总结， 有任何不当之处请指正，谢谢。本文主要由以下四局部组成：文本根本处理，文本语义分析，图片语义分析，语义分析小结。 先讲述文本处理的根本方法，这构成了语义分析的根底。 接着分文本和图片两节讲述各自语义分析的一些方法，值得注意的是， 虽说分为两节， 但文本和图片在语义分析方法上有很多共通与关联。最后我们简单介绍下语义分析在广点通“用户广告匹配〞上的应用，并展望一下未来的语义分析方法。1 文本根本处理在讲文本语义分析之前， 我们先说下文本根本处理， 因为它构成了语义分析的根底。而文本处理有很多方面，考虑到本文主题，这里只介绍中文分词以与Term Weighting 。1.1 中文分词拿到一段文本后，通常情况下，首先要做分词。分词的方法一般有如下几种：word 2 / 57 ? 基于字符串匹配的分词方法。 此方法按照不同的扫描方式， 逐个查找词库进展分词。根据扫描方式可细分为：正向最大匹配，反向最大匹配，双向最大匹配，最小切分 ( 即最短路径 ) ；总之就是各种不同的启发规如此。? 全切分方法。 它首先切分出与词库匹配的所有可能的词，再运用统计语言模型决定最优的切分结果。 它的优点在于可以解决分词中的歧义问题。如下图是一个示例，对于文本串“某某市长江大桥〞，首先进展词条检索( 一般用...
