基于Levenshtein和TFRSF的文本相似度计算方法

• 作者: 冯国忠 孙红光 尹良亮 杨凤芹 藏润强
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 个人信息 社交网络 莱文斯坦 词频相关字符串频率 相似度
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 网络与通信
• 页码范围: 84-89
• 页数: 6页
• 分类号: TP391
• 字数: 6190字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.04.016

摘要

在社交网络中查找和收集个人信息可以建立一个包含目标履历、生活、爱好以及朋友等属性的信息体系,但是不同社交网络中存在大量同名用户.为了解决同名歧义问题,采用计算用户信息相似度,可以判断2个用户是否属于同一个人.由于文档中描述信息位置颠倒会导致计算机误判,为此,本文通过对莱文斯坦(Levenshtein)和词频相关字符串频率(TFRSF)方法融合计算词频和编辑距离,判断属性值是否相同.实验结果表明,本文提出的计算文本相似度方法在多种评价指标上准确性都有所提高,准确率(Precision)、召回率(Recall)、F1值(F1 Measure)均大于87%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙红光	东北师范大学信息科学与技术学院	18	109	6.0	9.0
3	藏润强	东北师范大学信息科学与技术学院	2	8	2.0	2.0
6	杨凤芹	东北师范大学信息科学与技术学院	11	147	5.0	11.0
10	冯国忠	东北师范大学信息科学与技术学院	4	18	3.0	4.0
14	尹良亮	东北师范大学信息科学与技术学院	2	2	1.0	1.0