睇語義網絡嘅程式碼

根據下面嘅原因，你無權去編輯：

Your IP address is in a range that has been blocked on all Wikimedia Foundation wikis.

The block was made by ‪EPIC‬. The reason given is Open proxy/Webhost: See the help page if you are affected.

Start of block: 2024年7月2號 (二) 08:48
Expiry of block: 2025年7月2號 (三) 08:48

Your current IP address is 206.189.44.186. The blocked range is 206.189.32.0/20.

詢問嘅時候請包埋以上所有細節。 If you believe you were blocked by mistake, you can find additional information and instructions in the No open proxies global policy.

Otherwise, to discuss the block please post a request for review on Meta-Wiki. You could also send an email to the stewards VRT queue at stewards@wikimedia.org including all above details.

你可以睇或者抄呢版原碼：

[[File:Canto semantic network.png|thumb|330px|一個簡單嘅語義網絡，表示咗[[哺乳類]]、[[貓]]、[[毛皮]]、[[動物]]、[[魚]]同[[鯨魚]]... 等多個���物相關概念之間嘅啦掕。]]
{{distinguish|語義網}}
'''語義網絡'''（{{jpingauto|jyu5 ji6 mong5 lok6}}；{{lang-en|Semantic network}}）係[[知識庫]]嘅一種做法，用一幅[[有向圖]]或者[[無向圖]]表示一拃[[概念]]之間嘅關係。一個基本嘅語義網絡會有若干個<ref name="sowa1987">John F. Sowa (1987). "[http://www.jfsowa.com/pubs/semnet.htm Semantic Networks]". In Stuart C Shapiro (ed.). ''Encyclopedia of Artificial Intelligence''. Retrieved 29 April 2008.</ref>
#[[頂點 (圖論)|節點]]，每個節點代表一個[[概念]]，
#節點之間會有一啲'''連繫'''，兩個概念之間嘅連繫表達佢哋之間嘅關係。
舉例說明，想像附圖入面嗰個語義網絡，圖入面有[[哺乳類動物]]、[[貓]]同埋[[毛皮]]等嘅節點，每個節點都代表咗個概念，幅圖仲有一條條嘅連繫（啲箭咀）喺節點之間，每條連繫表示咗一段關係－由貓指去哺乳類條箭咀表示「貓'''係一種'''哺乳類」，而由貓指去毛皮條箭咀表示「貓'''有'''毛皮」... 等等；成個網絡「表示」緊有關「呢拃概念之間係咩關係」嘅[[知識]]。進階嘅語義網絡模型會有更加複雜嘅結構<ref name="intro2011">Friedenberg, J., & Silverman, G. (2011). ''Cognitive science: An introduction to the study of mind''. Sage. Ch. 8.</ref><ref>Quillian, M. R. (1968). Semantic memory. ''Semantic information processing'', 227-270.</ref>。

語義網絡源自 1950 年代<ref>Lehmann, Fritz; Rodin, Ervin Y., eds. (1992). Semantic networks in artificial intelligence. ''International series in modern applied mathematics and computer science. Vol. 24''. Oxford; New York: Pergamon Press. p. 6. "The first semantic network for computers was Nude, created by R. H. Richens of the Cambridge Language Research Unit in 1956 as an interlingua for machine translation of natural languages."</ref>，喺打後幾十年內就廣泛噉俾[[認知科學]]採用：[[認知心理學]]發覺將[[人腦]]想像成語義網絡嘅話，能夠解釋到唔少有關「人腦點處理[[文字]][[資訊]]」相關嘅現象，例如[[促發效應]]噉<ref name="allan1975">Allan M. Collins; Elizabeth F. Loftus (1975). "A spreading-activation theory of semantic processing". ''Psychological Review''. 82 (6): 407-428.</ref>；而喺[[人工智能]]上，語義網絡仲可以攞嚟[[自然語言處理|教電腦處理日常語言]]<ref name="sussna1993">Sussna, Michael. "[https://sites.ualberta.ca/~golmoham/SW/ontology%20based%20similarity/Word%20sense%20disambiguation%20for%20free-text%20indexing%20using%20a%20massive%20semantic%20network.pdf Word sense disambiguation for free-text indexing using a massive semantic network] {{Webarchive|url=https://web.archive.org/web/20210921093053/https://sites.ualberta.ca/~golmoham/SW/ontology%20based%20similarity/Word%20sense%20disambiguation%20for%20free-text%20indexing%20using%20a%20massive%20semantic%20network.pdf |date=2021年9月21號 }} (PDF)." ''Proceedings of the second international conference on Information and knowledge management''. ACM, (1993).</ref>。
== 定義 ==
{{see also|概念|語義關係|知識|搭配詞}}
响嚴格[[定義]]上，語義網絡係一種[[圖論|抽象化嘅圖]]，[[有向圖|有向]]（啲連繫有特定方向）又得[[無向圖|無向]]（啲連繫冇特定方向）又得，最基本組成部份包括咗兩樣嘢<ref name="Berger2003">Berger, H., Dittenbach, M., & Merkl, D. (2003, September). [https://link.springer.com/chapter/10.1007/978-3-540-45227-0_47 Activation on the move: Querying tourism information via spreading activation]. In ''International Conference on Database and Expert Systems Applications'' (pp. 474-483). Springer, Berlin, Heidelberg.</ref><ref name="rajangam2016">Rajangam, E., & Annamalai, C. (2016). [https://www.mecs-press.org/ijitcs/ijitcs-v8-n2/IJITCS-V8-N2-2.pdf Graph models for knowledge representation and reasoning for contemporary and emerging needs - a survey] (PDF). ''International Journal of Information Technology and Computer Science (IJITCS)'', 8(2), 14-22.</ref>：
#[[頂點 (圖論)|節點]]<ref group="e">node</ref>，當中每個節點代表一個[[概念]]；概念係指對一拃嘢嘅[[抽象化]]，例如一個人睇咗 100 樖[[樹]]之後，發覺嗰 100 嚿物件都有「有[[葉]]」同「有[[樹幹]]」等嘅特徵－於是佢個[[人腦|腦]]裏面就組成咗「樹」嘅概念，「[[動物]]」同「[[貓]]」等嘅概念道理一樣<ref>[http://eliassi.org/COLTSurveyArticle.pdf COMPUTATIONAL LEARNING THEORY].</ref>；
#節點之間會有一啲'''連繫'''<ref group="e">edge</ref>；精確啲講，每條連繫表達嘅係[[語義]]關係－即係話條連繫在意嘅係啲[[字]]背後嘅意思；最基本嘅連繫有
#*「係... 嘅一種」（睇埋[[子集]]）－例如「貓係動物嘅一種」同「樹'''唔'''係動物嘅一種」；
#*「擁有...」（睇[[語言學]]上講嘅[[擁有 (語言學)|擁有]]）－例如「貓有[[毛皮]]」同「樹有[[葉]]」；
#*「蘊含...」（睇[[邏輯學]]上講嘅[[結論]]）... 呀噉<ref>Segev, Elad (2021). ''Semantic Network Analysis in Social Sciences''. London: Routledge.</ref><ref group="註">噉亦即係話，語義網絡係[[本體 (資訊科學)|本體]]嘅一種。</ref>；
好似下圖噉嘅語義網絡[[知識表示|表示]]咗一啲有關動物嘅[[知識]]：啲節點係[[哺乳類]]、[[貓]]、[[毛皮]]、[[動物]]、[[魚]]、[[鯨魚]]同[[水]]等好多個同動物有關嘅概念，而啲連繫表示咗概念之間嘅關係－
*由貓指去哺乳類條箭咀表示「貓'''係一種'''哺乳類」；
*由貓指去毛皮條箭咀表示「貓'''有'''毛皮」；
*由魚指去水條箭咀表示「魚'''住喺'''水'''入邊'''」... 等等<ref>Quillian, M. R. (1969). "The teachable language comprehender: a simulation program and theory of language". ''Communications of the ACM''. 12 (8): 459-476.</ref>。
[[File:Canto semantic network.png|center|720px]]
喺[[認知心理學]]上，語義網絡俾人指可以攞嚟解釋[[促發效應]]<ref group="e">priming effect</ref>等嘅多種[[認知現象]]<ref>Allan M. Collins; M. R. Quillian (1969). "Retrieval time from semantic memory". ''Journal of Verbal Learning and Verbal Behavior''. 8 (2): 240-247.</ref>：[[認知心理學家]]作出噉嘅想像；想像喺是但一個時間點，人腦嘅語義網絡每個節點都有個值代表佢嘅'''啟動程度'''，一個節點啟動就會引起[[擴散啟動]]<ref group="e">spreading activation</ref>－
*引致佢掕住嗰啲節點跟住啟動；
*同佢連繫愈強嘅節點就會掕住啟動得愈勁；
－用日常用語講，人一講起一樣嘢嗰陣，就傾向會諗起啲同嗰樣嘢相關嘅嘢。[[心理實驗|實驗]]仲試過噉做：實驗者叫人類受試者喺聽到個'''[[狼]]'''字嗰陣有咁快得咁快撳一個掣，而喺聽'''狼'''打前聽到例如個'''[[狗]]'''字嘅受試者對'''狼'''嘅[[反應時間|反應會變快]]，彷彿好似人腦入面'''狗'''嘅節點一啟動，'''狼'''（一個同'''狗'''關係緊密嘅概念）嘅節點就會跟住一齊啟動，令到個腦能夠更快噉作出對'''狼'''節點要有嘅反應，促發效應就係泛指好似上述嘅過程噉「見到一款[[刺激 (心理學)|刺激]]會令個人對另一款刺激嘅反應有所變化」嘅現象<ref>Arbib, M. A. (Ed.). (2002). Semantic networks. In ''The Handbook of Brain Theory and Neural Networks'' (2nd ed.). Cambridge, MA: MIT Press.</ref><ref>Schacter, D. L., Dobbins, I. G., & Schnyer, D. M. (2004). [https://www.nature.com/articles/nrn1534.pdf Specificity of priming: A cognitive neuroscience perspective] (PDF). ''Nature Reviews Neuroscience'', 5(11), 853-862.</ref>。基於呢樣發現，有唔少 [[人工智能|AI]] 研究者都主張用語義網絡[[自動推理|教電腦做推理]]，覺得呢種做法能夠達致更加似人嘅人造智能<ref>[http://www.eecs.qmul.ac.uk/~mmh/AINotes/AINotes4.pdf Notes on Semantic Nets and Frames] (PDF). ''Artificial Intelligence I''.</ref>。

== 製作 ==
[[File:Net21.jpg|thumb|270px|'''Vehicle'''（[[交通工具]]）、'''Car'''（[[汽車|車]]）、<br>同 '''Truck'''（[[貨車]]）有啦掕，<br>俾人畫埋喺同一個語義網絡裏面。]]
=== 編寫網絡 ===
{{see also|邏輯編程|Prolog|Lisp}}
要建立語義網絡，最簡單直接嘅方法係用[[邏輯編程語言]]寫：邏輯編程語言係[[程式語言]]嘅一種，建基於[[形式邏輯]]<ref>Baral, C.; Gelfond, M. (1994). "Logic programming and knowledge representation". ''The Journal of Logic Programming''. 19-20: 73-148.</ref>；例如 [[Prolog]] 就係一隻廿一世紀初常用嘅邏輯編程語言，成日俾人攞嚟整語義網絡；呢隻語言做法係喺個程式開頭講低拃[[事實]]，包含一拃概念同啲概念之間嘅關係；呢啲事實會組成個系統嘅[[知識庫]]，而知識庫整好咗，用家就有得向佢提問，每吓提問有句嘢做 <code>[[input]]</code>，部電腦曉按照拃碼嚟判斷嗰句嘢係咪「合符知識庫入面其中一句嘢」 <code>[[邏輯或|OR]]</code> 「可以由知識庫度[[推理]]出嚟」，如果係嘅話就俾'''正確'''做 <code>[[output]]</code>，否則就俾'''錯誤'''做 <code>output</code> <ref>Bratko, I. (2001). ''Prolog programming for artificial intelligence''. Pearson education.</ref><ref name="prologGFG">[https://www.geeksforgeeks.org/prolog-an-introduction/ Prolog | An Introduction]. ''GeeksForGeeks''.</ref>。

Prolog 碼表達起事實上嚟嘅基本格式係 <code>relation(entity1, entity2, ....k'th entity).</code>（當中 <code>relation</code> 係關係，<code>entityn</code> 係第 <code>n</code> 嚿物件）。例如好似以下噉嘅簡單 Prolog 碼噉（每行 <code>%</code> 後面嘅係[[程式注釋|注釋]]，解釋嗰行碼係做乜嘅）<ref name="prologGFG"/>：
<syntaxhighlight lang="prolog">
friends(simon, alan). % simon 同 alan 呢兩嚿物件之間係 friend（朋友）嘅關係。 
singer(helena). % helena 係 singer（歌手）。
odd_number(5). % 5 係 odd_number（單數）。
</syntaxhighlight>
用 Prolog 寫咗上面段碼之後，部電腦就知咗「<code>simon</code> 同 <code>alan</code> 係朋友」等嘅三件事實（組成咗知識庫）；有咗個知識庫，用家就可以作出提問（<code>Query</code> = 提問）：
<syntaxhighlight lang="prolog">
Query 1 : ?- singer(helena). % 呢句嘢喺 Prolog 入面意思係「helena 係咪 singer？」噉解。
Output : Yes.
</syntaxhighlight>
－因為段碼組成嘅知識庫入面有句嘢同 <code>Query</code> 吻合，所以部電腦就俾出'''正確'''做 <code>output</code>。又睇吓：
<syntaxhighlight lang="prolog">
Query 2 : ?- odd_number(7). % 呢句嘢喺 Prolog 入面意思係「7 係咪 odd_number？」噉解。
Output : No.
</syntaxhighlight>
－喺現實，7 的確係個[[單數]]，但因為知識庫入面冇講明 <code>odd_number(7).</code>（Prolog 碼 '''7 係 odd_number''' 噉解）；部電腦搵唔到任何同 <code>odd_number(7).</code> 吻合嘅事實，於是就俾咗'''錯誤'''做 <code>output</code>。除咗 Prolog 之外，[[Lisp]] 亦都成日俾人攞嚟整語義網絡，例如以下呢段 Lisp 碼，表明咗[[金絲雀]]（<code>canary</code>）同[[企鵝]]（<code>penguin</code>）係一種（<code>is-a</code>）[[雀鳥]]（<code>bird</code>）：
<source lang="lisp">
(setq *database*
'((canary  (is-a bird)
           (color yellow)
           (size small))
  (penguin (is-a bird)
           (movement swim))
  (bird    (is-a vertebrate)
           (has-part wings)
           (reproduction egg-laying))))
</source>
有咗好似 Prolog 同 Lisp 噉嘅程式語言，就可以教電腦表達一拃概念同埋啲概念之間嘅關係，設計者可以攞住呢啲語言人手噉整語義網絡<ref name="prologGFG"/><ref>Lloyd, J. W. (1984). ''Foundations of logic programming''. Berlin: Springer-Verlag.</ref>。
=== WordNet ===
{{main|WordNet}}
喺廿一世紀初，唔少[[認知科學]]同[[資訊科技]]領域嘅工作者都有興趣整語義網絡，當中最出名嘅要數 [[WordNet]]：WordNet 係一個建基於[[英文]]嘅[[數據庫]]，收錄嗮英文入面有嘅字，並且按啲字嘅[[語義|意思]]將啲字分做一組組（每組係一組[[同義環]]<ref group="e">synset</ref>），仲會講明每對同義環之間係咩[[語義關係]]，例如<ref>Steyvers, M.; Tenenbaum, J.B. (2005). "The Large-Scale Structure of Semantic Networks: Statistical Analyses and a Model of Semantic Growth". ''Cognitive Science''. 29 (1): 41-78.</ref>－

<br>
[[File:WordNet.PNG|thumb|center|540px|<center>喺 Wordnet 3.1 度查 '''wordnet''' 搵到嘅結果</center>]]
<br>

*[[部位詞]]<ref group="e">meronym</ref>同[[群體詞]]<ref group="e">holonym</ref>：如果話 A 係 B 嘅部位詞，係指 A 係 B 嘅一部份，而 B 就係 A 嘅群體詞，例如'''[[手指]]'''係'''[[手掌]]'''嘅部位詞，同時'''手掌'''係'''手指'''嘅群體詞；又或者'''[[指甲]]'''係'''手指'''嘅部位詞，同時'''手指'''係'''指甲'''嘅群體詞；
*[[上位詞]]<ref group="e">hypernym</ref>同[[下位詞]]<ref group="e">hyponym</ref>：如果話 A 係 B 嘅上位詞，係指 B 係 A 嘅一種，而 B 就係 A 嘅下位詞，例如'''[[顏色]]'''係'''[[紅色]]'''嘅上位詞，同時'''紅色'''係'''顏色'''嘅下位詞；又或者'''[[昆蟲]]'''係'''[[蝴蝶]]'''同'''[[蜜蜂]]'''嘅上位詞，同時'''蝴蝶'''同'''蜜蜂'''係'''昆蟲'''嘅下位詞<ref>Brinton, Laurel J. (2000). ''The Structure of Modern English: A Linguistic Introduction'' (Illustrated ed.). John Benjamins Publishing Company. p. 112.</ref>；
*[[同義詞]]<ref group="e">synonym</ref>：如果話 A 同 B 係同義詞，即係指兩隻字意思一樣；喺廿一世紀初嘅[[語言學]]上，同義詞呢個概念有些少爭議性－因為[[語言演變]]等嘅現象，好難話兩隻字意思會完全一樣，所以好似 Wordnet 噉嘅語義網絡好多時淨係會話「A 同 B 意思上好相似，大致上係同義詞」，而唔會真係話兩隻字係同義詞；
*[[反義詞]]<ref>Cruse, D. Alan. (1992). Antonymy revisited: Some thoughts on the relationship between words and concepts. In A. J. Lehrer & E. F. Kittay (Eds.), ''Frames, fields, and contrasts: New essays in semantic and lexical organization'' (pp. 289-306). Hillsdale, NJ: Lawrence Erlbaum Associates.</ref>：
**[[分級反義詞]]<ref group="e">graded antonym</ref>：通常淨係適用於[[形容詞]]，如果話 A 同 B 係分級反義詞，意思係話兩隻字形容緊某個[[連續變數]]嘅兩極，例如[[溫度]]係個連續變數，'''熱'''同'''凍'''呢兩隻字形容緊溫度嘅兩極，所以係分級反義詞；又例如[[重量]]係個連續變數，'''輕'''同'''重'''呢兩隻字形容緊重量嘅兩極，所以係分級反義詞；又例如[[長度]]係個連續變數，'''長'''同'''短'''呢兩隻字形容緊長度嘅兩極，所以係分級反義詞。
**[[關係反義詞]]<ref group="e">relational antonym</ref>：如果話 A 同 B 係關係反義詞，意思係話兩隻字形容緊一段關係嘅雙方，例如'''[[父母]]'''同'''[[仔女]]'''，或者'''[[老師]]'''同'''[[學生]]'''，或者'''[[醫生]]'''同'''[[病人]]'''... 呀噉。
*[[方式詞]]<ref group="e">troponym</ref>：淨係適用於[[動詞]]，如果話 A 係 B 嘅方式詞，意思係話 A 表示做 B 嘅其中一種方式，例如'''狼吞虎咽'''係'''[[食嘢]]'''嘅一個方式詞<ref>Fellbaum, C; Miller, G (1990). "Folk psychology or semantic entailment? A reply to Rips and Conrad (1989)". ''Psychological Review''. 97: 565-570.</ref>；
... 呀噉。Wordnet 基本上就係個語義網絡－Wordnet 啲資料可以人手摷嚟睇，但特登整到可以由電腦自動化噉查閱嘅<ref group="註">有關「點樣整���令電腦可以自動查閱」，可以睇吓[[標記語言]]同[[中繼資料]]等嘅概念。</ref>－一個設計者可以輕易寫個曉自己開網頁嚟睇嘅[[電腦程式|程式]]（可以睇吓[[網頁刮料]]等嘅技術），個程式一喺 Wordnet 攞隻字睇，即刻可以知邊隻字同呢隻字有關同埋「成咩關係」，跟手再自動噉畫幅語義網絡圖出嚟<ref>G. A. Miller, R. Beckwith, C. D. Fellbaum, D. Gross, K. Miller. (1990). WordNet: An online lexical database. ''Int. J. Lexicograph''. 3, 4, pp. 235-244.</ref>。

== 應用 ==
{{see also|自然語言處理|知識表示}}
語義網絡有唔少用途，尤其係喺[[自然語言處理]]（NLP；教 [[人工智能|AI]] 處理[[自然語言]]嘅技術）等嘅 AI 工作上零舍有用<ref>Hulpuş, I., Prangnawarat, N., & Hayes, C. (2015, October). Path-based semantic relatedness on linked data and its use to word and entity disambiguation. In ''International Semantic Web Conference'' (pp. 442-457). Springer, Cham.</ref>：
*[[知識表示]]（KR）：KR 涉及教電腦做出好似「有[[知識]]」噉嘅行為，係 AI 嘅重要一環<ref>Roger Schank; Robert Abelson (1977). ''Scripts, Plans, Goals, and Understanding: An Inquiry Into Human Knowledge Structures''. Lawrence Erlbaum Associates, Inc.</ref>；語義網絡可以攞嚟教 AI 做判斷，而且個 AI 淨係需要簡單噉摷個語義網絡搵想要嘅[[資訊]]；舉個簡單例子，想像而家有人問條問題「[[貓]]有冇[[脊椎]]？」（一條知識性質嘅問題），部電腦內部有個語義網絡，攞'''貓'''個節點，然後摷 → 所有嘅貓都係[[哺乳類]] → 哺乳類冚唪唥都係[[脊椎動物]] → 脊椎動物冚唪唥都有脊椎 → 貓有脊椎，最後俾出'''有'''做答案－部電腦展現出好似有知識噉嘅行為<ref>[https://medium.com/nerd-for-tech/semantic-network-frame-network-c123b20fdc4c Semantic network (Frame network) in Knowledge Representation of Artificial Intelligence]. ''Medium''.</ref>。
*[[詞義消歧]]<ref group="e">word-sense disambiguation，WSD</ref>：自然語言啲字入面有陣時會有[[歧義]]嘅問題，即係一隻字有多個可能意思，而 WSD 就係指教電腦撞到歧義情況嗰陣，同每隻有歧義嘅字搵出佢嘅意思；例如係以下嘅思路噉<ref>Diamantini, C.; Mircoli, A.; Potena, D.; Storti, E. (2015-06-01). "Semantic disambiguation in a social information discovery system". ''2015 International Conference on Collaboration Technologies and Systems (CTS)'': 326-333.</ref>－
**想像[[語義距離]]嘅概念，最基本上係指兩隻[[字]]之間喺[[語義|表示嘅意思]]上爭幾遠；例如用簡化嘅例子講，'''[[狼]]'''同'''[[狗]]'''呢兩隻字嘅語義距離就好接近（兩隻字都係分別表示緊一種[[動物]]，而且兩隻字表示嘅動物好相似），而'''狼'''同'''[[雲]]'''呢兩隻字嘅語義距離就相對遠（兩隻字表示嘅事物冇乜啦掕）；語義距離有好多方法計，最簡單嘅方法係計吓「兩隻字喺個語義網絡<ref group="註">喺專業應用上，計數用嘅語義網絡通常會係 [[WordNet]] 等經已有喺度嘅網絡。</ref>入面最短要通過幾多條邊，先可以將佢哋連埋一齊」－要過嘅邊數量愈少，兩隻字嘅語義距離就算愈短<ref>Agirre, E., & Rigau, G. (1997). A proposal for word sense disambiguation using conceptual distance. ''AMSTERDAM STUDIES IN THE THEORY AND HISTORY OF LINGUISTIC SCIENCE SERIES'' 4, 161-172.</ref>，進階啲嘅做法仲會將啲字按[[上位詞同下位詞]]嘅關係畫做分幾層嘅網絡，並且將「個意思喺個網絡邊層」等嘅因素納入埋考慮範圍之內<ref>Budanitsky, A., & Hirst, G. (2006). [https://direct.mit.edu/coli/article/32/1/13/1896/Evaluating-WordNet-based-Measures-of-Lexical Evaluating wordnet-based measures of lexical semantic relatedness]. ''Computational linguistics'', 32(1), 13-47.</ref>；
**攞有歧義嗰隻字嚟睇，[[foreach|同每個]]可能意思，計吓嗰個可能意思同周圍啲字（睇埋[[語境]]）之間嘅語義距離有幾遠；
**揀同周圍啲字語義距離最短嗰個意思。
*[[抄襲檢測]]<ref group="e">plagiarism detection</ref>：抄襲檢測係攞一份[[文件]]做 [[input]]，[[output]] 俾出「呢份文件有冇[[抄襲]]嘅成份」；最基本上，抄襲檢測做嘅嘢係攞住份文件，[[foreach|同每份]]嗰份文件有可能抄嘅文件，計吓份文件同 input 嗰份有幾相似，而如果相似度（<code>similarity score</code>）有返咁上下高，就有可能係抄襲，相似度可以用好多方法計<ref>Foltýnek, T., Meuschke, N., & Gipp, B. (2019). [https://dl.acm.org/doi/fullHtml/10.1145/3345317 Academic plagiarism detection: a systematic literature review]. ''ACM Computing Surveys (CSUR)'', 52(6), 1-42.</ref>－
**最簡單原始嗰種計法係「就噉比較兩份文件啲字似唔似」，不過噉做應付唔到「改吓字眼，意思冇變」嘅抄襲手法；
**[[潛在語義分析]]（LSA）：技術化噉講，LSA 會計個[[矩陣]]出嚟，矩陣每條橫行表示字詞，每條直行表示其中一份文件，每一格反映嗰隻字詞喺嗰份文件入面嘅 [[tf-idf]]（呢個值會反映嗰隻詞喺份文件入面有幾重要）；跟住段[[演算法]]就會做[[降維]]－攞住個矩陣，嘗試搵個新矩陣出嚟，而個新矩陣橫行數量少咗，同時維持住直行之間嘅相似度分佈，打後得出嗰個（維數少嘅）矩陣就最代表到啲文件嘅意思，最後段演算法就用維數少嗰個矩陣比較啲文件喺意思上嘅相似度（途中可以用到語義網絡嚟睇啲字詞之間嘅意思相似度）<ref>Ceska, Z. (2008, August). Plagiarism detection based on singular value decomposition. In ''International Conference on Natural Language Processing'' (pp. 108-119). Springer, Berlin, Heidelberg.</ref><ref>Deerwester, S., Dumais, S. T., Furnas, G. W., Landauer, T. K., & Harshman, R. (1990). Indexing by latent semantic analysis. ''Journal of the American society for information science'', 41(6), 391-407.</ref>。
... 呀噉。
{{clear}}

== 睇埋 ==
{{div col|style=column-count:2}}
*[[圖論]]
*[[推理]]
*[[分塊]]
*[[記憶]]（[[語義記憶|語義]]）
*[[知識]]（[[陳述知識|陳述]]）
*[[數據庫]]
*[[維基數據]]
*[[語義網]]
*[[本體工程]]
*[[Word2vec]]
*[[信念網絡]]
*[[人工神經網絡]]
*[[處理等級模型]]
*[[概念混成理論]]
*[[詞庫決定作業]]
{{div col end}}

== 文獻 ==
英文文獻：
{{div col|style=column-count:2|small=yes}}
*Allen, J. and A. Frisch (1982). "[https://www.aclweb.org/anthology/P82-1004 What's in a Semantic Network]". In: ''Proceedings of the 20th. annual meeting of ACL'', Toronto, pp. 19-27.
*Berger, H., Dittenbach, M., & Merkl, D. (2003, September). [https://link.springer.com/chapter/10.1007/978-3-540-45227-0_47 Activation on the move: Querying tourism information via spreading activation]. In ''International Conference on Database and Expert Systems Applications'' (pp. 474-483). Springer, Berlin, Heidelberg.
*Rajangam, E., & Annamalai, C. (2016). [https://www.mecs-press.org/ijitcs/ijitcs-v8-n2/IJITCS-V8-N2-2.pdf Graph models for knowledge representation and reasoning for contemporary and emerging needs - a survey] (PDF). ''International Journal of Information Technology and Computer Science (IJITCS)'', 8(2), 14-22.
*John F. Sowa, Alexander Borgida (1991). ''[https://books.google.com.au/books?id=lTKnCQAAQBAJ&printsec=frontcover&redir_esc=y#v=onepage&q&f=false Principles of Semantic Networks: Explorations in the Representation of Knowledge]''.
*Vales, C., & Fisher, A. V. (2019). [https://onlinelibrary.wiley.com/doi/pdf/10.1111/cogs.12746 When Stronger Knowledge Slows You Down: Semantic Relatedness Predicts Children's Co‐Activation of Related Items in a Visual Search Paradigm] (PDF). ''Cognitive Science'', 43(6), e12746.
{{div col end}}

== 引咗 ==
註釋：
{{Reflist|group=註|2}}

篇文用咗嘅[[行話]]，[[英文]]名如下：
{{reflist|group=e|2}}

篇文引用咗以下呢啲[[文獻]]同[[網頁]]：
{{reflist|2}}

== 拎 ==
{{Commons category|Semantic networks|語義網絡}}
*{{en}} [http://www.jfsowa.com/pubs/semnet.htm 語義網絡]
*{{en}} [http://www.eecs.qmul.ac.uk/~mmh/AINotes/AINotes4.pdf 講語義網絡嘅碌士]，[[PDF]] 快勞
{{自然語言處理}}
[[Category:認知科學]]
[[Category:語言學]]

呢版用嘅模：

Template:.w（編輯）
Template:Clear（編輯）
Template:Column-count（編輯）
Template:Commons category（編輯）
Template:Distinguish（編輯）
Template:Div col（編輯）
Template:Div col end（編輯）
Template:En（編輯）
Template:En icon（編輯）
Template:Internal link helper（編輯）
Template:Internal link helper/en（編輯）
Template:Jpingauto（睇原碼）(半保護)
Template:Lang-en（編輯）
Template:Languageicon（編輯）
Template:Link-en（編輯）
Template:Main（編輯）
Template:Main other（編輯）
Template:Navbox（睇原碼）(保護)
Template:Plainlist/styles.css（編輯）
Template:Reflist（睇原碼）(保護)
Template:Reflist/styles.css（睇原碼）(保護)
Template:See also（編輯）
Template:Side box（編輯）
Template:Sister project（編輯）
Template:Str find（編輯）
Template:Tsl（編輯）
Template:Webarchive（編輯）
Template:·（睇原碼）(半保護)
Template:內文（睇原碼）(半保護)
Template:同享類（編輯）
Template:唔係（睇原碼）(半保護)
Template:睇埋（編輯）
Template:自然語言處理（編輯）
模組:Arguments（睇原碼）(半保護)
模組:Check for unknown parameters（編輯）
模組:Distinguish（編輯）
模組:Hatnote（編輯）
模組:Hatnote list（編輯）
模組:Ilh（編輯）
模組:Jpingauto（睇原碼）(半保護)
模組:Labelled list hatnote（編輯）
模組:Lang（編輯）
模組:Lang/ISO 639 synonyms（編輯）
模組:Lang/data（編輯）
模組:Language/data/iana languages（編輯）
模組:Language/data/iana regions（編輯）
模組:Language/data/iana scripts（編輯）
模組:Language/data/iana suppressed scripts（編輯）
模組:Language/data/iana variants（編輯）
模組:Navbar（睇原碼）(保護)
模組:Navbox（睇原碼）(保護)
模組:Side box（編輯）
模組:Side box/styles.css（編輯）
模組:String（編輯）
模組:TableTools（睇原碼）(半保護)
模組:Unicode data（編輯）
模組:Webarchive（睇原碼）(半保護)
模組:Yesno（睇原碼）(保護)
模組:內文（編輯）

返去語義網絡。

由「https://zh-yue.wikipedia.org/wiki/語義網絡」收