基于融合策略的中文词语相似度计算方法

摘要

本发明涉及一种基于融合策略的中文词语相似度计算方法，基于HowNet、同义词词林、Word2Vec训练的中文维基百科语料以及百度词典四者相结合来计算词语相似度，对于输入的两个词语，首先判断其在HowNet或者同义词词林中是否存在，如果存在，则利用HowNet或者同义词词林来计算相似度，否则，判断其是否在维基百科语料或者百度词典中存在，如果存在，则利用word2vec或者百度词典来计算词语的相似度。本发明提供的基于融合策略的中文词语相似度计算方法，融合策略综合考虑了知网、同义词词林、word2vec和百度词典，形成了策略之间的优势互补，计算得出的斯皮尔曼相关系数和皮尔逊相关系数比其他方法高，提高了词语相似度计算结果的准确性，可以很好地满足实际应用的需要。