基于中文文本的编辑距离算法的改进

• 作者: 李军 杨晓东 王继荣 王芳
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 编辑距离算法 字段匹配 中文文本
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信息工程
• 页码范围: 60-63
• 页数: 4页
• 分类号: TP391.1
• 字数: 3422字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2017.08.13

摘要

为了从不同的文本获取干净、有效的信息,首先要做的是删除重复的内容,而问题的核心是字段的匹配.目前大部分的字段匹配算法主要针对英文,对于中文的字段匹配算法还存在许多缺陷.为解决中文文本匹配准确度较低的问题,通过分析汉语语法的特点以及编辑距离算法中针对中文文本相似度计算时的不足,提出了一种基于中文文本的编辑距离算法的改进方法.该算法采用中文分词和基于短句的方法,解决了编辑距离算法在中文文本相似度计算时不能处理字段颠倒的情况.通过对实验结果的分析,改进后的算法明显提高了中文文本相似度计算时的匹配准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	青岛大学计算机科学技术学院	58	353	9.0	17.0
2	王芳	青岛大学计算机科学技术学院	79	263	8.0	13.0
3	王继荣	青岛大学机电工程学院	56	236	8.0	13.0
4	杨晓东	青岛大学计算机科学技术学院	2	10	2.0	2.0