为了找到单词之间的语义相似性， 单词空间模型应该可以解决问题。这样的模型可以非常容易且相当有效地实施。最有可能的是，您将希望实现某种降维。我能想到的最简单的方法是随机索引 ，它已在NLP中广泛使用。

一旦有了词空间模型，就可以计算词之间的距离（例如，余弦距离）。在这样的模型中，您应该获得之前提到的结果（ “焦点”和“细节”之间的距离应大于“相机重量”与“闪光灯”之间的距离 ）。

希望这可以帮助！

发表您的评论：

1. NLP一直使用通过机器学习进行分类。
2. 关于概念之间的语义相似性，请参阅林德康对相似性的信息理论定义 。

另请参阅以下问题： 查找相关单词 ， 两个短语的语义相似度 。

看一下潜在语义索引http://en.wikipedia.org/wiki/Latent_semantic_indexing，它专门解决了您的问题。但是，您需要想出一些方法将这些元概念与正面或负面情绪相关联。情绪分析http://en.wikipedia.org/wiki/Sentiment_analysis应该可以为您提供帮助。

几周前，我在HackerNews上看到了word2vec ，看起来非常接近您想要的。

查看Google相似距离-http : //arxiv.org/abs/cs.CL/0412098例如。如果很多网页都包含这两个网页，则可能是相关的。

演示程序， 网址为http://mechanicalcinderella.com

除此之外，您可以尝试翻译诸如wordnet之类的项目（（谷歌翻译可能会有所帮助），或启动协作式本体。

Word-Space绝对是解决问题的方法。如果LSA会使您的应用程序变慢，并且如果随机索引的语义太浅，则应该考虑api.cortical.io 。该REST API可以为您提供任何单词的语义指纹表示。该语义指纹包含单词所属的所有不同上下文。您可以消除一个词的歧义，例如“器官”的返回（肌肉，钢琴，教堂，成员资格...）。对于每种上下文，您都可以使用上下文术语：“钢琴”将赋予（器官，单簧管，小提琴，长笛） ，大提琴，作品，大键琴，管弦乐队）关于您的最后一个方面，这些语义指纹是完全独立于语言的。当前cortical.io API涵盖：英语，西班牙语，法语，德语，丹麦语，阿拉伯语，俄语，中文。到2014年底，将发布更多语言。