1.一种基于Wikipedia概念向量的英文词语相关度计算方法，在特征在于，该方法包括以下步骤：步骤一、由Wikipedia Dump服务站点获取其Dump生语料；并对生语料进行规范化处理，仅保留namespace属性为0的Wikipedia概念文档；对于每个概念文档，只保留其正式文本及概念标注信息；将处理后的概念文档收集起来，作为Wikipedia基础语料库；

步骤二、对Wikipedia基础语料库进行概念标注扩充，构建Wikipedia概念语料库；

步骤三、根据Wikipedia概念语料库，训练概念向量；

步骤四、对于待比较词语对，根据Wikipedia查询由用户指定的不同层次的概念集合，获得其词语概念集合；

步骤五、取得待比较词语对的概念集合的笛卡尔积，计算其中每个概念对所对应的概念向量的相似度；取最大的概念向量的相似度作为待比较词语对的相关度。

2.根据权利要求1所述的基于Wikipedia概念向量的英文词语相关度计算方法，其特征在于，所述步骤一中，构建Wikipedia基础语料库时，具体为：步骤1-1)访问Wikipedia Dump服务站点，下载最新的enwiki数据库；

步骤1-2)根据enwiki数据库依次处理节点，提取ns的值为0的节点，提取该节点中的title、redirect、id和text的内容，同时对text做如下处理：删除用户编辑记录和外部链接，替换特殊字符，保留概念标注信息，利用标记段落标题；其中，#n＝{1,2,

3...n}，代表文档标题的层级，从1到n表示由高到低。

3.根据权利要求1所述的基于Wikipedia概念向量的英文词语相关度计算方法，其特征在于，所述步骤二中，构建Wikipedia概念语料库时，具体为：步骤2-1)对Wikipedia基础语料库进行词形还原；

步骤2-2)根据one sense per discourse假设，对基础语料库中的每篇文档进行概念标记扩充；

步骤2-3)根据最大频率词义算法，对步骤2-2)处理过的基础语料库做进一步的概念标记扩充。

4.根据权利要求1所述的基于Wikipedia概念向量的英文词语相关度计算方法，其特征在于，所述步骤三中，训练概念向量时，具体为：步骤3-1)对Wikipedia概念语料库进行处理，除去概念标记内词语的lemma信息，其他词语的token信息；

步骤3-2)依次对概念标记进行处理，只保留目标概念并查找目标概念所对应的文档ID，将ID与目标概念之间用“_”连接；去掉概念标记左右两侧的中括号，生成概念语料库；

步骤3-3)使用概念语料库训练概念向量。

5.根据权利要求1所述的基于Wikipedia概念向量的英文词语相关度计算方法，其特征在于，所述步骤四中，获取待比较词语对的概念集合时，具体为：步骤4-1)获取Normal、Redirect、Disambig、HatenoteLinkItems、HatenoteLinkDisambigItems各个层次的初始概念集合；

步骤4-2)由用户指定概念获取层次，构建概念集合；

需要说明的是，用户可指定的层次如下所示：

g)Normal：只查找正常页面的Title；否则，返回None；

h)Normal_Redirect：只查找正常页面的Title或重定向页的RedirectTitle；若查找失败，则返回None；

i)Normal_Redirect_Disambig：查找正常页面的Title或重定向页的RedirectTitle，并查找消歧页的DisambigItems；若查找失败，则返回None；

j)Normal_Redirect_HatenoteLinkItem：查找正常页面的Title或重定向页的RedirectTitle，并查找页面包含的HatenoteLinkItems；若查找失败，则返回None；

k)Normal_Redirect_Disambig_HatenoteLinkItems：查找正常页面的Title或重定向页的RedirectTitle，并查找消歧页的DisambigItems，并查找页面包含的HatenoteLinkItems；若查找失败，则返回None；

l)Normal_Redirect_Disambig_HatenoteLinkItems_HatenoteLinkDisambigItems：在Normal_Redirect_Disambig_HatenoteLinkItems的基础上，再增加HatenoteLinkItems所对应的可能DisambigItems；若查找失败，则返回None；

其中的符号释义说明如下：

Title：当wi所对应的Wikipedia页是一个正常页面(非消歧页，非重定向页)时，其对应概念就是Title；

RedirectTitle：当wi所对应的Wikipedia页是一个重定向页时，RedirectTitle是wi所对应的最终重定向页面的Title；

DisambigItems：当wi所对应的Wikipedia页是一个消歧页时，DisambigItems是消歧页所包含的所有可能的概念(不计与Title重复的)；

HatenoteLinkItems：在Title对应的Wikipedia页面的开始部分的部分中，非歧义的热点文本；

HatenoteLinkDisambig：在Title对应的Wikipedia页面的开始部分的部分中，有歧义的热点文本；

HatenoteLinkDisambigItems：依次对HatenoteLinkDisambig各个消歧页提取有可能的概念(不计与Title重复的)。

6.根据权利要求1所述的基于Wikipedia概念向量的英文词语相关度计算方法，其特征在于，所述步骤五中，计算各个概念对的概念向量相似度并选取最大值作为词语相关度时，具体为：步骤5-1)待比较词语对为(w1,w2)，w1的概念集合 和w2的概念集合 根据步骤三所得的概念向量文件，查询 和 中各个概念的

概念向量；若某一概念查找失败，则将其由概念集合中剔除；

步骤5-2)根据步骤5-1)处理过的 和 计算它们的笛卡尔积得待计算概念集合，记作步骤5-3)由步骤5-1)和步骤5-2)，按照公式(3)计算每个概念对的概念向量相似度，生成候选结果集合；

其中 和 表示概念ci和cj的概念向量， 和 表示向量 和 的模；

步骤5-4)从候选结果集中选取概念向量相似度的最大值，作为待比较词语对的相关度。

7.一种基于Wikipedia概念向量的英文词语相关度计算装置，其特征在于，该装置包括Wikipedia基础语料库构建单元、Wikipedia概念语料库构建单元、概念向量训练单元、概念集合提取单元、词语相关度计算单元，其中：Wikipedia基础语料库构建单元，用于对Wikipedia Dump生语料进行规范化处理，仅保留namespace属性为0的Wikipedia概念文档；对于每个概念文档，只保留其正式文本及概念标注信息；将处理后的概念文档收集起来，作为Wikipedia基础语料库；

Wikipedia概念语料库构建单元，用于对Wikipedia基础语料库进行概念标注扩充，构建Wikipedia概念语料库；

概念向量训练单元，用于使用Wikipedia概念语料库训练概念向量；

概念集合提取单元，用于对待比较词语对，根据Wikipedia查询由用户指定的不同层次的概念集合，获得其词语概念集合；

词语相关度计算单元，用于取得待比较词语对的概念集合的笛卡尔积，计算其中每个概念对所对应的概念向量的相似度；取最大的概念向量的相似度作为待比较词语对的相关度。

8.根据权利要求7所述的基于Wikipedia概念向量的英文词语相关度计算装置，其特征在于，所述Wikipedia基础语料库构建单元还包括：概念文档提取单元，用于对Wikipedia  Dump生语料提取namespace属性为0的Wikipedia概念文档；

单文档规范化处理单元，用于对文档内容进行如下处理：删除用户编辑记录和外部链接，替换特殊字符，保留概念标注信息，利用标记段落标题；其中，#n＝{1,2,3...n}，代表文档标题的层级，从1到n表示由高到低；

根据权利要求7所述的基于Wikipedia概念向量的英文词语相关度计算装置，其特征在于，所述Wikipedia概念语料库构建单元还包括：词形还原单元，用于对Wikipedia基础语料库进行词形还原；

单文档概念标记扩充单元，用于根据one sense per discourse假设，对基础语料库中的每篇文档扩充概念标记；

全文档概念标记扩充单元，用于根据最大频率词义算法，对单文档概念扩充单元处理过的基础语料库进一步扩充概念标记；

根据权利要求7所述的基于Wikipedia概念向量的英文词语相关度计算装置，其特征在于，所述概念向量训练单元还包括：信息清除单元，用于对Wikipedia概念语料库进行处理，除去概念标记内词语的lemma信息，其他词语的token信息；

概念标记单元，用于对概念标记进行处理，只保留目标概念并查找目标概念所对应的文档ID，将ID与目标概念之间用“_”连接；去掉概念标记左右两侧的中括号，生成概念语料库；

概念向量训练单元，用于使用概念语料库训练概念向量；

根据权利要求7所述的基于Wikipedia概念向量的英文词语相关度计算装置，其特征在于，所述概念集合提取单元还包括：初始概念获取单元，用于获取Normal、Redirect、Disambig、HatenoteLinkItems、HatenoteLinkDisambigItems各个层次的初始概念集合；

概念层次选择单元，由用户指定概念获取层次，构建概念集合；

根据权利要求7所述的基于Wikipedia概念向量的英文词语相关度计算装置，其特征在于，所述词语相关度计算单元还包括：概念向量查询单元，用于查询概念集合中各个概念的概念向量；若某一概念查找失败，则将其由概念集合中剔除；

笛卡尔积计算单元，用于对概念向量查询单元处理的概念集合计算笛卡尔积；

概念向量相似度计算单元，用于计算概念集合中每个概念对的概念向量相似度，生成候选结果集合；

词语相关度选择单元，用于从候选结果集中选取概念向量相似度的最大值，作为待比较词语对的相关度。