文本主题提取及相似度计算系统研究与开发

• 作者: 郭肇毅
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 文本主题提取 文本相似度计算 高频词 词向量 软件系统
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 信息技术
• 页码范围: 20-22
• 页数: 3页
• 分类号: TP391.1
• 字数: 2057字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-4706.2017.04.009

摘要

文本主题词提取及相似度计算在搜索引擎、智能问答等自然语言处理的很多研究领域都有着广泛的应用,国内外的专家学者对此有着广泛的研究,但大多都采用了复杂的数学模型,实现起来较为麻烦.对此,在文本主题词提取中,采用提取出文档中除开常见停用词之外的高频词,并通过对比高频词向量之间的夹角余弦,剔除与其他高频词相差最大的噪声高频词的方法,得到文档最终的主题词.再根据提取出的主题词,通过比较两篇文档的主题词的词向量之和之间的夹角余弦,以此来判断两篇文档之间的相似度.基于此思路,开发了一款基于winForm技术的文本主题提取及相似度计算软件系统,实现较为简单,效果超出单纯通过文档向量来判定文档相似度的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭肇毅	乐山师范学院互联网自然语言智能处理四川省高等学校重点实验室	7	12	2.0	3.0