基于同義詞網(wǎng)絡(luò)的文本推薦方法研究.pdf

1、文本推薦是指當(dāng)用戶確定興趣模型后,系統(tǒng)能對比、判斷目標(biāo)文本與用戶興趣模型的相似程度,并按照相似度由大到小的次序向用戶推薦所需文本。
　　常用的文本推薦方法是基于文本向量空間中的特征詞字面形式上的嚴(yán)格匹配。在目標(biāo)文本的特征詞集合與用戶興趣模型的特征詞集合中,相同特征詞的個數(shù)越多,目標(biāo)文本與用戶興趣模型就越相似,它被系統(tǒng)推薦的優(yōu)先級就越高;相同特征詞的個數(shù)越少,目標(biāo)文本與用戶興趣模型就越不相似,它被系統(tǒng)推薦的優(yōu)先級就越低。但由于自然語

2、言的靈活性,不同的文本對同一事物的描述可能會使用意義相同的同義詞。如果在文本推薦的過程中,僅僅考慮特征詞字面形式上的匹配,而不考慮同義詞匹配,必然出現(xiàn)推薦結(jié)果單一、覆蓋不全面、準(zhǔn)確率不高的問題,從而無法實現(xiàn)向用戶準(zhǔn)確推薦其所需文本的目的。
　　本文首先對目前的文本推薦方法進行了學(xué)習(xí)和分析,重點研究了數(shù)值型向量空間模型。
　　其次,本文提出了一種基于同義詞的文本推薦的改進方法。該方法既考慮特征詞字面匹配,同時又考慮同義詞語義匹

3、配對文本推薦的積極作用。這樣,文本推薦過程就不再只是簡單的字面匹配,而是一種語義的匹配。這可以在一定程度上提高文本推薦的精度。通過對實驗結(jié)果的分析可知,這種改進方法可以更加準(zhǔn)確地向用戶推薦所需的文本,正確率最高可提高40％。
　　最后,將鏈路預(yù)測方法運用到同義詞網(wǎng)絡(luò)中,利用復(fù)雜網(wǎng)絡(luò)的思想,將同義詞構(gòu)建成網(wǎng)絡(luò),然后進行鏈路預(yù)測,預(yù)測出目前同義詞網(wǎng)絡(luò)中沒有的但確實含有同義詞關(guān)系的新的同義詞對。然后將這部分新的同義詞關(guān)系與已有同義詞關(guān)系