向量空間模型與語(yǔ)義理解相結(jié)合的論文相似度算法研究.pdf

1、目前在各大高校，學(xué)生畢業(yè)必須撰寫專業(yè)論文，在信息化時(shí)代，學(xué)生通過(guò)資源共享，查詢資料十分便捷。但是網(wǎng)絡(luò)帶來(lái)方便的同時(shí)，也造成了不良影響，部分學(xué)生投機(jī)取巧，剽竊他人研究成果，因此論文抄襲一直困擾著整個(gè)學(xué)術(shù)界。所以論文相似度檢測(cè)十分必要，并且相似度檢測(cè)在專利保護(hù)、智能檢索、文本分類等領(lǐng)域中應(yīng)用也十分廣泛。目前應(yīng)用最廣泛的論文相似度檢測(cè)算法是基于向量空間模型(VSM: VectorSpace Model)的相似度算法和基于《知網(wǎng)》的相似度算法，

2、然而前者沒(méi)有考慮漢語(yǔ)詞語(yǔ)間的語(yǔ)義關(guān)聯(lián);后者的大多數(shù)研究還停留在詞語(yǔ)相似度階段，并且沒(méi)有考慮詞語(yǔ)對(duì)論文表達(dá)的重要程度。因此研究論文相似度檢測(cè)算法是有意義的。
　　為提高相似度計(jì)算效率，本文提出了一種改進(jìn)算法，并對(duì)其進(jìn)行了實(shí)驗(yàn)驗(yàn)證，本文主要工作如下:
　　1)研究相似度計(jì)算相關(guān)理論，了解國(guó)內(nèi)外相似度算法發(fā)展現(xiàn)狀及研究成果;
　　2)研究常用論文相似度算法，重點(diǎn)研究基于VSM的相似度算法和基于《知網(wǎng)》的相似度算法，分析其優(yōu)缺

3、點(diǎn)，對(duì)不足之處加以改進(jìn)。提出TF-IDF算法計(jì)算權(quán)重時(shí)融入特征項(xiàng)位置因素，彌補(bǔ)詞頻統(tǒng)計(jì)過(guò)于片面的問(wèn)題;《知網(wǎng)》義原相似度計(jì)算時(shí)融入語(yǔ)義密度因子、語(yǔ)義深度因子，彌補(bǔ)其只考慮義原相對(duì)位置的缺陷;
　　3)結(jié)合VSM和《知網(wǎng)》詞語(yǔ)相似度算法的優(yōu)點(diǎn)，提出VSM與《知網(wǎng)》語(yǔ)義理解相結(jié)合的相似度計(jì)算模型:把相同和相似的詞語(yǔ)作為空間坐標(biāo)的同一維度，計(jì)算相似度時(shí)融入詞語(yǔ)語(yǔ)義相似度。既彌補(bǔ)VSM在語(yǔ)義層面的不足，又彌補(bǔ)了《知網(wǎng)》詞語(yǔ)相似度算法忽略詞