基于改进文本特征的文本相似度研究

• 作者: 何兵 李金 杨岸宁 梁洪 王琭璐 王颖 马文超
• 来源期刊: 黑龙江大学工程学报
• 学科: 工学
• 关键词: 关键词抽取 原点距R 逆频率IDF 关键词组
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 电子与机电工程
• 页码范围: 46-52
• 页数: 7页
• 分类号: TN911.7
• 字数: 4540字
• 语种: 中文
• DOI: 10.13524/j.2095-008x.2018.01.009

摘要

关键词的抽取广泛应用于自然语言处理过程中,对于中文关键词抽取,分词结果及候选词的选取严重影响后期的抽取结果.针对候选关键词的选取对文本特征表示方法进行改进,首先,提取词组特征表达为文本出现次数n、 频数TF和逆频率IDF,将词组出现的次数n以二值表矩阵的形式表示出来,然后运用提取的TF与IDF计算出词组的TF-IDF值并将其从大到小排列,将其最大值作为初步的文本特征;然后再以文本特征的三个参数为三维空间(x.y.z)中的一个坐标点,以该点到原点(0.0.0)的距离R(R为原点距)为度量,最后,选取原点距R最大的6个词组作为文本的关键词,即最终的文本特征.通过实验验证提出的方法可以有效提高文本分类及相似度比对的效率,并且能够保证较高的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李金	哈尔滨工程大学自动化学院	55	369	11.0	16.0
2	王颖	齐齐哈尔大学现代教育技术中心	112	228	9.0	11.0
3	梁洪	哈尔滨工程大学自动化学院	15	63	4.0	7.0
4	马文超	哈尔滨工程大学自动化学院	1	0	0.0	0.0
5	何兵	哈尔滨工程大学自动化学院	1	0	0.0	0.0
6	王琭璐	哈尔滨工程大学自动化学院	1	0	0.0	0.0
7	杨岸宁	哈尔滨工程大学自动化学院	1	0	0.0	0.0