Модели и методы автоматической классификации текстовых документов - page 22

Таблица 2
Средние вероятности синонимии для разных
частей речи русского языка
Часть речи Вероятности синонимии
Глаголы 0,45
Неотглагольные су-
ществительные 0,05
Отглагольные
существительные 0,21
Прилагательные 0,06
При замене синонимом любого из слов вероятность наличия сино -
нимии в термине, состоящем из нескольких слов, определим следую-
щим образом:
P1 = z n− 1
1 µ1 −
n Y
i=1
(1 − pi) ¶, (3)
где n — количество слов в термине; pi — вероятность наличия синони-
мии для i-го слова термина; z1 — поправочный коэффициент, учитыва -
ющий возможность сочетания синонимов слов термина.
Вклад величины z 1 в значение выражения (3) проиллюстриру -
ем следующим примером: рассмотрим термин “грустный праздник”.
Слово “грустный” имеет синонимы “ мрачный”, “тоскливый”. Слово
“праздник” имеет синонимы “выходной”, “красный день календаря”.
Видно, что словосочетания “мрачный выходной” и “тоскливый вы-
ходной” являются возможными альтернативами исходному термину,
а словосочетания “ грустный красный день календаря” и “тоскливый
красный день календаря”, скорее всего, в документах выделены не бу -
дут. В данном случае z 1 = 0,66. Экспериментально установлено, что
формула (3) позволяет получить удовлетворительные результаты при
z1 = 0, 7.
Вероятность ошибок второго рода для терминов, состоящих из од-
ного слова, можно грубо оценить при использовании морфологическо -
го словаря, подсчитав количество омонимов термина. Например, слово
“стол” имеет один омоним, а слово “устав” — два. Вероятность ошибок
второго рода для терминов, состоящих из нескольких слов, практиче -
ски равна нулю. Формула для вычисления вероятности P 2 для одно-
словного термина имеет вид
P 2 = 1 − ch−1 , (4)
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана . Сер. “Приборостроение”. 2003. № 4 85