面向科技項目申報文本相似性檢測算法的研究與應用.pdf

1、隨著國家對科學事業(yè)的大力支持，科技項目研究經(jīng)費下?lián)芰Χ纫搽S之大大提升，為了防止在申報過程中存在重復申報等問題導致國家科研經(jīng)費浪費、科研事業(yè)停滯不前的結(jié)果發(fā)生，本文將針對科技項目申報這一領域的文本相似性檢測算法作為研究對象，分別對中文詞語、句子和文本相似度計算方法進行了深入研究，進而將本文的研究成果應用于科技項目申報系統(tǒng)中。
　　本文對傳統(tǒng)的詞語、句子和文本相似度計算方法進行了剖析，如基于向量空間模型、基于本體、漢明距離等方法，一方

2、面需要構(gòu)建一定規(guī)模的語料庫和和訓練集，且存在高維矩陣稀疏問題；另一方面，在抽取文本特征向量時，并沒有將上下文語義結(jié)構(gòu)和語義關系考慮其中。所以計算精確度并不是非常高。為了進一步提高計算精確度，本文提出了兩種新的計算方法，一種是基于《知網(wǎng)》改進的詞語相似度計算方法，另一種是針對文本計算方法，提出了結(jié)合文本主題網(wǎng)絡構(gòu)建和語義分析的計算方法。盡管這兩種方法都在計算復雜度上有了一定的提高，但相對其更高的精確度而言，消耗一定的硬件代價來彌補計算速率