近年来,词语向量表达（word vector representation）被广泛地应用于各种自然语言处理（natural language processing,NLP）的下游应用中,如机器翻译、文本分类、情感分析等。高质量的词语向量表达可以使自然语言处理模型更了解语言,进一步提升自然语言处理模型的性能。已有的研究表明,采用知识库或词汇分类体系提供的语义约束,对通过大型语料库训练得到的词语向量表达进行修正,可以有效地改善词语向量表达的能力。然而,人工编织或者半人工构建的词汇分类体系普遍存在语义约束可靠性不稳定的问题,一定程度上影响了从中提取的语义约束的正确性,不可靠的语义知识会对词语向量表达修正带来负面的影响。本文对词语向量表达修正研究领域进行有益补充,提出可靠词汇语义约束的提取方法,并把提炼出来的可靠词汇语义约束应用到词语向量表达修正中,主要的研究工作如下:（1）提出基于异构词汇分类体系交互确认的词汇语义约束可靠性评价方法,并应用与词语向量表达修正。本文考虑到不同类型的词汇分类体系对词语向量表达修正带来的潜在的差异,分别提取异构词汇分类体系中的词汇语义约束,并通过交互确认评估词汇语义知识的可靠性。进而针对交互确认后的词汇语义约束适用性问题,改进原有的词语向量表达修正机制,提高了修正后的词语向量表达的词语相似性计算能力。（2）提出综合异构词汇分类体系与词向量交互确认的可靠性词汇语义约束提炼方法,并应用于词语向量表达修正。本文在基于异构词汇分类体系交互确认可靠词汇语义约束的基础上,针对训练词向量时词频稀疏的词语容易产生不可靠的原始词向量的问题,进一步提出基于词汇分类体系与词向量之间、以及异构词汇分类体系之间的交互确认的可靠词汇语义约束提炼方法。该方法对词汇分类体系提供的同义词语类,进行词向量计算和类内词语的可靠性评估,剔除不可靠语义约束。在此基础上,通过不同词汇分类体系的交互确认恢复了部分误剔除的语义约束。并通过核心词约束传递机制避免原始词向量不够可靠的词语在词向量修正中的不良影响。该方法有效地降低错误词汇语义约束以及训练不充分的词向量在基于语义约束的词语向量表达修正中的不良影响,提高了修正后词语向量表达的质量。（3）提出基于聚类质量评估的类内词语词汇语义约束可靠性评价方法,并应用于词语向量表达修正。在基于可靠词汇语义约束提炼方法的基础上,进一步探索同义词语类中的词汇语义约束修正权重问题,研究怎样的指标有助于更好地对类内词语的词汇语义约束进行可靠性评价。本文使用聚类质量评估方法中的类内紧凑性作为同义词语类类内词语的可靠性评价指标,在修正的过程中根据词汇语义约束的可靠程度进行量化的差异权重修正。该方法充分考虑词汇语义约束的可靠程度对词语向量表达修正中的影响,进一步地提高了词语向量表达的词语相似性计算能力。本文采用NLPCC-ICCPOL 2016词语相似度测评比赛中的PKU 500数据集进行测评。在该数据集上,本文提出的方法提炼的可靠词汇语义约束应用到两个轻量级后修正的研究进展方法,修正后的词向量都获得更好的词语相似度计算性能。实验结果表明,本文所提出的异构词汇分类体系的交互确认机制、词汇分类体系与词向量的交互确认机制、核心词约束传递机制、以及基于聚类质量评估的可靠性评价指标均有助于提高词语向量表达的修正质量,所获得的最好结果取得了0.6570的Spearman等级相关系数,比NLPCC-ICCPOL 2016词语相似度测评比赛第一名的方法的结果提高26.8%。