随着人工智能技术的研究和发展,词语相似度和相关度的测量在多个领域有着越来越大的应用价值,如在:自然语言处理、人机交互、信息检索、语义消岐、生物医学等领域。如何更准确地判断词语相似度和相关度,是所需要研究的核心问题。近年来,随着对语义网愈来愈多的研究,本体这个概念也应运而生。本体是对某一特定论域中的概念、关系和实例等元素的形式化描述。结构化的领域本体常被用于衡量概念之间的相似度和相关度,其中WordNet这一语义词典被广泛应用于词语相似度和相关度的测量。现有的测量方法,如基于边的方法、基于信息内容的方法,大多是仅基于WordNet中完备的“is-a”关系(上下位关系)。但这种方式容易引起语义的缺失,还依赖于语料库的可靠性。虽然WordNet是由多个领域的专业学者设计编制的语义词典,但毕竟是由人工编制,难免存在一定的语义误区,若在计算中仅仅考虑单一的语义关系,会在一定程度上限制算法的可靠性。本文提出了一种基于“is-a”关系的多语义互补模型来进行词语相似度和相关度的测量,本文认为,单一的“is-a”关系虽然完备,但是存在语义误区,需要综合利用WordNet提供的多种不完备语义关系来解决,并根据各种关系所做出贡献的最大值来判断目标词对之间的词语相似度或相关度。文本测量方法主要有以下几个创新点:(1)从WordNet中分析挖掘出了可用于词语相似度和相关度测量的多种语义关系,并在此基础上提出了基于WordNet的多语义互补的词语相似度和相关度计算模型。在该模型中,各语义关系的贡献不是通过简单的加权求和,而是通过取最大贡献,使得每种语义关系都能充分发挥作用;(2)提出最近公共下位的概念,作为特例补充目标概念的共性,缩短两个概念之间的语义距离,增强它们的语义联系;(3)将文本提出的词语相似度和相关度计算模型应用于形容词和副词的词语相似度和相关度计算上,利用不完备的语义关系为形容词和副词构建起语义路径,帮助解决了形容词和副词在WordNet中因为没有完备的上下位语义关系,一直以来难以计算的问题。为验证本文所提出的计算模型的有效性,本文在广泛公认的数据集MC30,RG65,AG203,SimLex999以及TOEFL上与人工标注做了多角度的实验对比,通过数据集的测试证明,本文提出的计算模型可以充分发挥各种语义关系的作用,获得了比单一语义关系计算模型更好的实验结果,即使在大型数据集上,也有很好的表现。另外,利用多种语义关系提供的语义关联,为形容词和副词相似度与相关度的计算难题提供了解决方案。根据实验结果评估,本文提出的方法在优化词语相似度和相关度的准确率上有较大的贡献,突破了词语相似度和相关度测量研究的提升瓶颈。