一种基于熵的文本相似性计算方法

• 作者: 凌微 周长征 李圣文 龚君芳
• 来源期刊: 计算机应用研究
• 关键词: 文本相似性 字符串匹配 编辑距离算法 最长公共子序列
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 665-668
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.03.006

摘要

文本比较是求解两个文本间相似度的过程，文本间的相似度越高代表两个文本越趋于类似。传统的相似度算法主要从字符的角度度量文本的相似性，忽略了文本内多个共同文本串对于文本相似度的影响。针对此问题提出一种基于熵的相似度求解方法，在对文本间字符信息的提取基础上，建立共同子文本串度量维度，然后采用熵的方法进行相似度度量。实验表明，该方法具有更平滑的相似度曲线，从而验证了算法的有效性和准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚君芳	中国地质大学信息工程学院	10	81	6.0	9.0
2	李圣文	中国地质大学信息工程学院	8	58	5.0	7.0
3	周长征		3	12	1.0	3.0
4	凌微	中国地质大学信息工程学院	1	11	1.0	1.0