基于主题和特征的文本相似度算法研究

• 作者: 药珍妮
• 来源期刊: 软件
• 学科: 工学
• 关键词: 数据挖掘 文本相似度 主题 特征
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 123-126
• 页数: 4页
• 分类号: TP391.1
• 字数: 4063字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2016.10.028

摘要

本文提出了结合主题和各主题下关键特征的文本相似度算法，目的在于更准确的挖掘被描述对象的近邻对象集。本文首先介绍卡方统检验特征统计法，并利用改进的卡方检验，计算训练集中已知主题的文本的特征；而后介绍了最小编辑距离算法、余弦相似度算法和杰卡德相似系数，在论证了主题对文本相似度的重要性后，又针对难提取主题的文本加以改进，最终提出了基于主题和特征的文本相似度算法；然后对各个算法在测试集上的相似度计算结果进行分析，证明本文提出的算法在速度和精确度上明显优于其他算法；最后将该算法应用于股票的概念股题材标注上，分析结果并提出改进空间和不足之处。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	药珍妮	北京邮电大学网络技术研究院	1	4	1.0	1.0