【技術實現步驟摘要】
本專利技術涉及一種計算機技術,具體說,涉及一種。
技術介紹
現在一些常用的文本檢索模型,包括基于文字的檢索模型和基于結構的檢索模型。基于文本的檢索模型又包括向量空間模型、近似模型、概率模型和統計語言檢索模型;基于結構的文本檢索模型又包括內部結構檢索模型、外部結構檢索模型。文本的相似度,即兩篇文本之間相似程度的數值度量,取兩篇文本D1、D2,若(Dl H D2)/ (Dl U D2)越接近I表示兩篇文本的相似度越高,反之相反。在文本檢索技術中,相似度計算主要用于衡量文本對象之間的相似程度,在數據挖掘、自然語言處理中是一個基礎性計算。其中的關鍵技術主要是兩個部分,對象的特征表示和特征集合之間的相似關系。在信息檢索、網頁判重、推薦系統等,都涉及到對象之間或者對象和對象集合的相似性的計算。針對不同的應用場景,受限于數據規模、時空開銷等的限制,相似度計算方法的選擇又會有所區別和不同。通常使用的計算相似度的方法是VSM (向量空間模型)。這種模型通過對文本提取關鍵詞,然后進行權值賦值,將文本表示成由權重不同的關鍵詞構成的向量,通過計算兩個文本的向量距離從而得到文本的相似度。由于關鍵詞很可能存在同義詞、一詞多義等現象,所以用傳統的向量空間模型方法得到的相似度計算結果精度不高,結果往往并不令人滿意;關鍵詞加權算法僅僅是尋求文本和關鍵詞之間的關系,不能橫向地聯系不同文本間關鍵詞之間的關系,給文本檢索帶來了如下問題(I)關鍵詞不能準確表達用戶需求。用戶很難選擇準確的關鍵詞來進行搜索,因為其中涉及到查詢和概念之間的語義映射問題。用戶給出的查詢關鍵詞不能很好地反映用戶的意圖。( ...
【技術保護點】
一種基于向量空間模型的文本相似性匹配方法,包括:提取文本的關鍵詞,對所有關鍵詞進行聚類,生成關鍵詞概念樹;根據構建的待翻譯文本中關鍵詞的關鍵詞概念樹計算文本的相似性,按相似性的大小得到在翻譯參考文獻庫中匹配的文本。
【技術特征摘要】
1.一種基于向量空間模型的文本相似性匹配方法,包括 提取文本的關鍵詞,對所有關鍵詞進行聚類,生成關鍵詞概念樹; 根據構建的待翻譯文本中關鍵詞的關鍵詞概念樹計算文本的相似性,按相似性的大小得到在翻譯參考文獻庫中匹配的文本。2.如權利要求1所述的基于向量空間模型的文本相似性匹配方法,其特征在于,所述生成關鍵詞概念樹的步驟包括 提取待分類文檔和參考庫中的所有關鍵詞,得到關鍵詞集合; 對關鍵詞集合中的關鍵詞進行聚類,把相同概念的關鍵詞聚合為ー個概念類集合,根據所述概念類集合生成所述關鍵詞概念樹。3.如權利要求2所述的基于向量空間模型的文本相似性匹配方法,其特征在于,若關鍵詞も出現的概率p Cki) >P1 ;且有,在出現ん的該文本中也出現關鍵詞Icj的條件概率pCkj I kj >P2,則認為關鍵詞も和Ici表達相同概念,Pl和P2為設定概率閥值。4.如權利要求3所述的基于向量空間模型的文本相似性匹配方法,其特征在于,生成所述關鍵詞概念樹的過程具體步驟包括 提取待分類文檔和參考庫中的所有關鍵詞,得到關鍵詞集合C= {kl,k2,…,kn},計算C中每個關鍵詞k在出現的概率,出現關鍵詞k的文本數和文本總數之比記為p (k); 根據設定閥值過濾關鍵詞,取Pmin〈P (k) <pfflax的關鍵詞,將其作為待合并的集合項,設符合條件的關鍵詞個數為m個,其中Pmax和Pmin為設定好的高低限閥值; 對過濾后得到的關鍵詞按P (k)進行降序排序,并將每ー個關鍵詞作為ー個集合,這樣得到初始的m個待合并集合,記為{kj,{k2},…,{kj ; 在這m個關鍵詞中,計算在關鍵詞h出現的文本中關鍵詞Icj出現的概率,記...
【專利技術屬性】
技術研發人員:江潮,
申請(專利權)人:武漢傳神信息技術有限公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。