位置:成果数据库 > 期刊 > 期刊详情页
文本相似性度量中参数相关性与优化配置研究
  • ISSN号:1000-1220
  • 期刊名称:小型微型计算机系统
  • 时间:0
  • 页码:983-988
  • 分类:TP301[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]中南大学信息科学与工程学院,湖南长沙410083
  • 相关基金:国家自然科学基金项目(60873081;60970095;M0921005)资助; 湖南省自然(07JJ6122)资助
  • 相关项目:基金项目相似性检查系统研究
中文摘要:

针对文本相似性度量中的相似度阈值、准确率、召回率、shingle滑动窗口大小、shingle权重系数和文本属性等参数相互影响、关系复杂的问题,研究了这些参数之间的相关性,并结合实际应用需求,提出各参数可优化配置的建议,分析与设计了相似度阈值可适应文本篇幅属性的相似性度量算法.通过某基金2009年的7378个项目申请书的比对分析,结果表明:提出的算法不但适用于大规模的文本集合,而且在短小的文本集合中进行相似性度量也具有很高的应用价值,其准确率和召回率均可高达95%以上.

英文摘要:

Parameters in text similarity measurement such as similarity threshold,precision,recall rate,size of shingle moving window,shingle weighted coefficient and text attributes are interrelated and their relationship are complicated.Based on the analysis of parameter correlations and practical requirements,we suggest optimized parameter configurations and design a similarity measurement algorithm to adjust the similarity threshold to the text length contribute.The algorithm is applied to the text similarity analysis of 7378 proposals for some fund in 2009.The results demonstrate that,no matter the text length is long or short,the algorithm is so efficient that the precision and recall rate are both higher than 95%.

同期刊论文项目
期刊论文 26 会议论文 4 专利 2
期刊论文 17 会议论文 5 专利 3 著作 2
期刊论文 4 会议论文 2
同项目期刊论文
期刊信息
  • 《小型微型计算机系统》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院沈阳计算技术研究所
  • 主编:林浒
  • 地址:沈阳市浑南新区南屏东路16号
  • 邮编:110168
  • 邮箱:xwjxt@sict.ac.cn
  • 电话:024-24696120 024-24696190-8870
  • 国际标准刊号:ISSN:1000-1220
  • 国内统一刊号:ISSN:21-1106/TP
  • 邮发代号:8-108
  • 获奖情况:
  • 中国自然科学核心期刊,中国科学引文数据库来源期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:23212