语义相似度

Parent: ai_keywords

语义相似度 (Semantic Similarity)

【核心定义】

语义相似度是指定量衡量两个语言单元（词语、短语、句子或文本）在意义上接近程度的指标。它超越字面字符匹配，聚焦于概念空间中的语义距离，是自然语言处理（NLP）与认知科学交叉领域的核心度量。值域通常归一化至 [0,1]，越接近1代表语义越一致。

【关键技术点】

  1. 基于知识库的计算

    • 利用人工构建的语义网络（如WordNet），通过节点间路径长度、深度、IC（信息内容）等计算相似度。代表算法：Wu-Palmer、Lin、Resnik。
    • 优点：可解释性强；缺点：覆盖度受限于知识库，难以处理新词及非结构化文本。

  2. 分布式词向量（静态嵌入）

    • 基于大规模语料，通过神经网络（Word2Vec, GloVe）将词语映射为低维连续向量。相似度常用余弦距离或欧氏距离衡量。
    • 局限：一词多义、语境无关，无法动态调整。

  3. 上下文感知的深度模型

    • 采用Transformer架构（BERT、GPT系列、RoBERTa），为每个词语生成语境化的动态嵌入。不同上下文下同一词有不同的向量表示，显著提升多义词及长文本语义匹配精度。
    • 经典应用：STS（语义文本相似度）基准评测，如SemEval任务。

  4. 融合外部知识的增强方法

    • 将知识图谱（ConceptNet、医学本体SNOMED CT）注入预训练模型，通过实体链接或对比学习优化语义空间。在专业领域（如医学）中减少数据稀疏性。

【医学/神经科学应用场景：脑卒中后语义性失语症的量化评估】

背景：首都医科大学神经病学团队在临床中发现，约20%-40%的脑卒中患者（尤其左半球Broca区/Wernicke区梗死）出现语义性失语症——命名困难、语义性错语（如“狗”说成“猫”）。传统波士顿命名测试依赖主观评分，费时且一致性低。

应用：

  1. 语义相似度驱动的命名评估：患者口头描述目标图片（如“铅笔”），自动语音转录后，计算其产出词（如“笔”“写字的工具”）与目标词“铅笔”的语义相似度（采用BioBERT+医学本体嵌入）。
    • 若相似度<0.3（阈值经BOLD-fMRI验证），提示严重语义损害，可能累及左颞中回后部。
  2. 语义网络重建监控：康复期每周采集患者自发性语言，构建词汇语义图，计算平均语义相似度变异系数。健康受试者变异度低（0.1-0.15），患者早期可达0.5-0.6，治疗后下降反映语义连接重构。
  3. 神经电生理关联：将语义相似度得分与事件相关电位（ERP）N400波幅（典型语义加工指标）做跨模态回归，发现语义相似度每提升0.1，N400波幅增加2.5 μV，为“语义-脑电”闭环康复提供定量靶点。

价值：该方案已在首都医科大学宣武医院神经内科初步验证，将失语症评估从定性升级为连续量化，精准指导康复周期与亚分类。