面向科技項目的相似度計算和聚類算法研究.pdf

1、隨著我國對科技經(jīng)費投入的逐漸增多，科研單位科技項目的申請也變得越來越多，怎么樣有效的解決項目重復(fù)立項問題是現(xiàn)代科技項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，因此對項目查重系統(tǒng)關(guān)鍵技術(shù)的研究就變得非常有必要。本文重點對科技項目的表示模型、相似度計算和聚類等技術(shù)進行研究。主要工作包括以下幾個方面：
　　1．根據(jù)科技項目內(nèi)容復(fù)雜、信息大的特點，提出一種結(jié)合物元知識表示模型和

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

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