[Feb 12, 2005]
應用科學：Google與詞義辨識的人工智能化
編輯 HCC 報導
以Google搜尋不同字詞同時出現在同一網頁的頻率來定義字詞間的關聯性，人工智能或許能夠開始了解字詞的義意。
對文字工作者而言，無論是寫作或譯述，Google已經是不可或缺的重要工作利器了，比方說在翻譯一個陌生的英文字詞時，許多人都會將想要轉譯的字詞google幾次(“to google”已經變成一個動詞了)，然後從搜尋到的千百筆資料中，研判哪個中文意思最接近。例如我壓根兒不知“fluorescence microscopy”是啥意，於是把fluorescence microscopy”丟入Google，google出了好多筆資料都提到螢光顯微鏡，而且出現的頻率很高，於是很篤定的認為“fluorescence microscopy”就是螢光顯微鏡。所以許多人除了以Google搜尋資料之外，亦以Google進行文字意義的處理與辨識。
一個字詞的意義經常能從其他與它並用的字眼而獲得，例如"rider"這個英文字，經常與"horse" 以及"saddle"一道出現，所以從horse、saddle、rider此些字眼的關聯性可以推測出rider的意思了，於是八九不離十，rider和馬、馬鞍有關。當然企圖從上千萬的字詞關係析出其意義，需要一個龐大、詳盡的資料庫，否則怎知rider 與horse、saddle 一起出現的頻率很高，thanks god，我們有一個現成且免費的Google。
荷蘭阿姆斯特丹數學與電腦科學學院的Paul Vitanyi與Rudi Cilibrasi發現Google搜尋引擎能用來檢測兩個字詞之間的關聯性，例如電腦想要知道“hat”為啥，首先得建立一個字詞樹狀結構，亦即一個足以顯現字詞之間關聯性的資料庫，此種樹狀結構資料庫可以從任兩個字詞開始，去了解其間的關聯性，例如於google鍵入hat與head此兩個字詞，幾乎可以搜尋到8,800,000筆資料，不過若鍵入hat與banana此兩個字詞，則僅有576,000筆資料，很明顯的，hat與head之間的關聯性較hat與banana為強。
為了要量測其關聯性，Vitanyi 與Cilibrasi基於搜尋到的資料筆數發展了一種統計指標，能顯示一對字詞之間的邏輯距離，並稱之為正常化的Google距離(normalized Google distance, NGD)，NGD越低，兩個字詞之間的關聯性越緊密。對許多的字詞對(pairs of words)重複上述統計過程，即可能建立字詞對之間的關聯性距離圖譜，顯示此些字詞之間的關聯性，電腦由此即能推測出某個字詞的意義。Vitanyi.認為此即電腦的字詞意義萃取機制，能讓電腦辨識字詞。研究人員根據其在Google搜尋到的資料筆數與出現頻率，已經能利用電腦辨識出顏色、數字與不同宗教等字詞的意義。
參考來源：
本文版權聲明與轉載授權資訊：
若對本文內容有所建議與指正，請至本文專屬討論串。
| 
