面向科技項(xiàng)目的相似度計(jì)算和聚類算法研究.pdf

1、隨著我國(guó)對(duì)科技經(jīng)費(fèi)投入的逐漸增多，科研單位科技項(xiàng)目的申請(qǐng)也變得越來(lái)越多，怎么樣有效的解決項(xiàng)目重復(fù)立項(xiàng)問題是現(xiàn)代科技項(xiàng)目管理中非常重要的一部分。傳統(tǒng)的人工查重顯然是不行的，而已有的一些查重系統(tǒng)在精度和速度上都不能滿足要求，因此對(duì)項(xiàng)目查重系統(tǒng)關(guān)鍵技術(shù)的研究就變得非常有必要。本文重點(diǎn)對(duì)科技項(xiàng)目的表示模型、相似度計(jì)算和聚類等技術(shù)進(jìn)行研究。主要工作包括以下幾個(gè)方面：
　　1．根據(jù)科技項(xiàng)目?jī)?nèi)容復(fù)雜、信息大的特點(diǎn)，提出一種結(jié)合物元知識(shí)表示模型和

2、向量空間模型的科技項(xiàng)目知識(shí)表示模型和科技項(xiàng)目關(guān)系模型，方便后續(xù)對(duì)科技項(xiàng)目的表示和處理。
　　2．針對(duì)科技項(xiàng)目的查重需求，分析總結(jié)了基于向量空間模型的相似度計(jì)算方法和基于語(yǔ)義理解的相似度計(jì)算方法，在此基礎(chǔ)上提出了一種基于語(yǔ)義理解的VSM相似度計(jì)算方法。針對(duì)科技項(xiàng)目名稱中含有大量有用信息，字?jǐn)?shù)較少且含有較多專業(yè)名詞的特點(diǎn)，提出了一種改進(jìn)的基于編輯距離的句子相似度計(jì)算方法。最后把以上兩種方法分別應(yīng)用于科技項(xiàng)目的主要內(nèi)容和項(xiàng)目名稱的相似度

3、計(jì)算中，并進(jìn)行權(quán)重調(diào)整，綜合計(jì)算整個(gè)科技項(xiàng)目的相似度。
　　3．針對(duì)科技項(xiàng)目查重時(shí)需把待查項(xiàng)目和已有所有項(xiàng)目進(jìn)行比對(duì)，效率較低的問題，本文先進(jìn)行項(xiàng)目聚類然后再進(jìn)行查重。而已有的聚類算法有需要預(yù)先輸入?yún)?shù)和算法時(shí)間復(fù)雜度較高無(wú)法應(yīng)用于大型項(xiàng)目庫(kù)等問題，本文提出一種基于雙閾值的最近鄰項(xiàng)目聚類算法并應(yīng)用于項(xiàng)目查重系統(tǒng)，在不影響查重精度的情況下，提高了查重速度。
　　在以上相似度計(jì)算方法和聚類算法研究成果的基礎(chǔ)上，實(shí)際應(yīng)用于浙江省科