为了解决特定领域词的语义重构问题,论文基于知网中词的语义表达和标签语义的研究,构建了一种特定领域词的语义重构算法。即采用标签语义的方法,重构领域词的语义,具体方法是将知网中的义原重构到特定领域词的语义描述中,并给出每个语义描述子集对特定领域词的适合度。同时给出了这种语义下的语义相似度计算方法,与重构前的相似度计算结果进行比较,其结果更符合在特定领域下人们对词的语义相似性的理解。主要研究工作有:研究了Zadeh的模糊理论和Lawry的标签语义的根本区别。模糊理论解决了经典集合所无法描述的模糊现象问题。用隶属函数的值表示模糊集中元素对模糊概念的隶属程度,我们认为这是一种客观的模糊理论。Lawry于2004年提出了一种主观的模糊理论,使用标签子集描述模糊概念的适合度,该适合度是由参与者根据主观的理解做出的判断,我们认为这是一种主观的模糊理论。使用标签元素经过逻辑运算可以描述更为复杂的模糊概念,Lawry将这种方法称为标签语义。本文应用标签语义的方法,构建特定领域词的语义算法,即在特定领域下,根据词所表达的语义为其重新选择义原,并对义原的子集集合描述语义的适合度进行评估,根据评估结果得到其最终的义原描述集合,即表示该词在特定领域下的语义。具体结合知网中词的语义表达方法进行研究,在知网中,词的语义由义原子集来表示,义原是描述语义的最小单位。语义相似度计算是一种理解词的语义的通用方法,本文研究了语义相似度计算的问题,知网中语义相似度计算使用义原之间的距离作为参考,这是一种通用的计算方法,但是在特定领域下并不适用,因为一个词的语义随着环境的变化而变化。论文提出一种基于标签语义的相似度计算方法,以义原子集的适合度计算词的语义相似度。其结果更加符合词在特定领域下所表达的语义相似性。