词典

从百度词典、金山词霸的词条中抓取数据，根据原词的描述和解释提取同义词。这种算法简单有效，但是挖掘出来的同义词通常比较书面语。

包括中英文名称，学名与俗名，全称与简称，常用错别字等

百科词条

从百度百科、搜搜百科等百科网站抓取词条，在词条中，有“又叫”“别名”等特征词，从这些特征词之后可以提取该词条的其他说法。百科挖掘出的词条通常质量比较高。

元搜索数据元搜索数据中，原始Query和其召回的文档存在一定的关系，有些是元搜索引擎做了同义替换或者非必留召回的结果。在这些结果和原始query做term对齐，从中可以挖掘出来其中隐含的同义词，为了提高召回的同义词的准确率，可以做一些处理：1.???????带有相同字的term2.飘红的3.简写到全称4.上下位位置信息上下文相关性挖掘?在所有的文档中，如果两个经常在相同的上下文下出现，那么这两个词是同义词的可能性较大。基于这个假设，对文档进行分词，统计每个的上下文，根据一定的策略对上下文进行剪枝。把剪枝之后的上下文作为每个的特征向量，求之间两两的夹角余弦。提取余弦值比较高的作为候选同义词。这种算法挖掘出的同义词会出现一些相关词但不是同义词的词对，因此这部分同义词通常需要一个人工审核的步骤。语料对齐在一个完备的检索系统中，会记录点击日志和用户的session日志。此外，还有不同的anchor指向同一个url。通过这些数据进行语料对齐，可以挖掘出来很多同义词：???????Query<>Query对齐：点击了相同URL的QueryQuery<>Title对齐：某个点击了某个URL对齐：同一个内的，可能是用户的自纠错或者自修改Title<>Title对齐：被同一个点击的5.Anchor<>Title对齐：指向了某个Anchor6.Anchor<>Anchor：指向了同一个Anchor

Ref：

http://blog.csdn.net/qq_25138881/article/details/46909727