Semantic similarity : a domain analysis

Abstract

No campo em rápida evolução do Processamento de Linguagem Natural (PLN), entender o domínio da similaridade semântica é de extrema importância tanto para aplicações acadêmicas quanto industriais. Este artigo apresenta uma análise abrangente do domínio da similaridade semântica, integrando uma abordagem multidisciplinar que abrange conceitos-chave, inter-relações entre essas facetas, partes interessadas, práticas de informação e sistemas de classificação existentes. Elucidamos as ideias centrais, como similaridade léxica e sintática, embeddings e várias métricas de similaridade, e demonstramos como elas estão inter-relacionadas. O artigo também identifica e caracteriza a diversa gama de partes interessadas envolvidas neste domínio, desde pesquisadores acadêmicos e líderes técnicos até formuladores de políticas e comunidades de código aberto. Além disso, exploramos como a informação é disseminada e usada dentro deste domínio, incluindo um exame das tendências de publicação de pesquisas e relatórios industriais.Por fim, o artigo avalia os sistemas de classificação e ontologias existentes que estruturam o conhecimento neste campo. Nossas descobertas visam servir como uma estrutura fundamental para futuras pesquisas, desenvolvimentos e considerações éticas no domínio da similaridade semântica. Esta análise profunda aspira orientar tanto recém-chegados quanto especialistas experientes pelo intrincado panorama da similaridade semântica, contribuindo assim para o avanço holístico do campo.

In the rapidly evolving field of Natural Language Processing (NLP), understanding the domain of semantic similarity is of paramount importance for both academic and industrial applications. This article presents a comprehensive domain analysis of semantic similarity, integrating a multidisciplinary approach that encompasses key concepts, interrelations among these facets, stakeholders, information practices, and existing classification systems. We elucidate the core ideas, such as lexical and syntactic similarity, embeddings, and various similarity metrics, and demonstrate their interrelatedness. The paper also identifies and characterizes the diverse array of stakeholders involved in this domain, from academic researchers and tech leads to policymakers and open-source communities. Furthermore, we explore how information is disseminated and used within this domain, including an examination of research publication trends and industry reports. Lastly, the article assesses existing classification systems and ontologies that structure the knowledge in this field. Our findings serve as a foundational framework for future research, development, and ethical considerations in the semantic similarity domain. This in-depth analysis aspires to guide both newcomers and seasoned experts through the intricate landscape of semantic similarity, thereby contributing to the field's holistic advancement.