融合TextRank算法的中文短文本相似度计算

摘要

传统的VSM向量空间模型忽略了文本语义,构建的文本特征矩阵具有稀疏性.基于深度学习词向量技术,文中提出一种融合改进TextRank算法的相似度计算方法.该方法利用词向量嵌入的技术来构建文本向量空间,使得构建的向量空间模型具有了语义相关性,同时采用改进的TextRank算法提取文本关键字,增强了文本特征的表达并消除了大量冗余信息,降低了文本特征矩阵的稀疏性,使文本相似度的计算更加高效.不同模型的仿真实验结果表明,融合改进的TextRank算法与Bert词向量技术的方法具有更好的文本相似度计算性能.