基于改进句子相似度算法的释义识别研究

• 作者: 唐新德 康睿智 张紫萱 莫斐 郝文宁 陈俊月
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 句子相似度 Jaccard系数 Levenshtein距离 词向量 释义识别 多特征组合
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 76-82
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055313

摘要

针对现有句子相似度算法无法处理同义词、准确率低和复杂度高等不足,结合词向量技术改进Levenshtein相似度算法和Jaccard系数,提出一种新的句子相似度算法用于释义识别,并对多种句子相似度算法的优劣进行分析,设计多相似度特征组合的应用模式.基于MRPC释义识别数据集的实验结果表明,使用该算法的释义识别模型准确率与F1值分别达到74.4％和83.1％,与使用TF-IDF算法、词袋算法等传统算法的模型相比识别性能更优.