词语相似度

摘要： 当前大部分WordNet词语相似度计算方法由于未充分考虑词语的语义信息和位置关系,导致相似度的准确率降低。为解决上述问题,提出了一种使用词向量模型Word2Vec计算WordNet词语相似度的新方法。在构建WordNet数据集时提出一种新形式,不再使用传统的文本语料库,同时提出信息位置排列方法对数据集加以处理。利用Word2Vec模型训练WordNet数据集后得到向量表示。在公开的R&G-65、M&C-30和MED38词语相似度测评集上完成了词语相似度计算任务,从多个角度进行了Pearson相关系数对比实验。结果显示该文计算的相似度值与人工判定值计算取得的Pearson相关系数指标得到了显著提升。

摘要： 针对现有的句子相似度计算中仅考虑单个词语的语义信息,而忽略了句子的语法结构信息的问题,提出了一种结合依存句法分析和词语语义相似度的计算方法.使用哈工大社会计算与信息检索研究中心研发的语言技术平台对句子进行句法分析获得依存句法分析树,从中构造包含句子成分、依存关系、词语等多特征信息的依存关系三元组.采用动态加权的方法充分利用词语在知网与同义词词林中的语义信息,通过依存关系三元组体现句子语法结构和词语语义两个层面上的语义信息,提高了相似度计算的合理性,并且扩大了可计算相似度的词语范围.实验表明:该相似度计算方法的准确性相比同类方法有了一定的提高,能更为准确的衡量句子间的相似度.

摘要： [目的]将词语的语义信息引入TextRank算法中,改进关键词抽取效果.[方法]使用HowNet知识库提供的词语义原信息计算词语相似度,根据设定的相似度阈值构建语义词图和矩阵.之后将语义矩阵和共现矩阵加权,得到新的词节点转移概率矩阵.[结果]改进后的算法在短文本上表现优于传统TextRank、TF-IDF和LDA,F值分别提高了6.6％、9.0％和10.3％;在长文本上表现逊于TF-IDF,与TextRank差别不大.[局限]分词程序对复合词、新词和实体类名词识别效果较差,使算法抽取到残缺的关键词,导致F值降低.此外,义原相似度算法也可进一步改进.[结论]结合语义的TextRank算法使关键词抽取过程兼顾词语共现及语义关系,为短文本关键词抽取提供了新思路.

摘要： 【目的】将词语的语义信息引入TextRank算法中,改进关键词抽取效果。【方法】使用HowNet知识库提供的词语义原信息计算词语相似度,根据设定的相似度阈值构建语义词图和矩阵。之后将语义矩阵和共现矩阵加权,得到新的词节点转移概率矩阵。【结果】改进后的算法在短文本上表现优于传统TextRank、TF-IDF和LDA,F值分别提高了6.6%、9.0%和10.3%;在长文本上表现逊于TF-IDF,与TextRank差别不大。【局限】分词程序对复合词、新词和实体类名词识别效果较差,使算法抽取到残缺的关键词,导致F值降低。此外,义原相似度算法也可进一步改进。【结论】结合语义的TextRank算法使关键词抽取过程兼顾词语共现及语义关系,为短文本关键词抽取提供了新思路。

摘要： 为解决以往突发事件案例检索中忽视文本属性重要性的问题,提高案例检索的准确度,将词语语义相似度计算应用到文本属性中.因案例文本特别是结构化突发事件案例的文本属性多为短文本,常规的文本分析技术难以获取足够的语义信息,故着重从3个方面研究了短文本的语义:上下文语义、单个汉字的语义和概念的层次关系,提出了基于WNCH的词语语义相似度计算方法,该方法在传统词嵌入模型中增加了Ngram和汉字的语义信息,并与HowNet相融合.在此基础上,给出了基于属性相似度的突发事件案例检索流程,将WNCH方法应用到文本属性相似度的计算.实验结果表明,文本属性的引入使得案例检索匹配更多的关键信息,从而使案例检索更加准确.

摘要： 关键词提取技术是目前计算机文本分类等技术采用的基本技术。笔者根据传统TFIEF算法的特点,研究出创新型的关键词提取算法,算法的基础是以词语权重来计算的,并在文本候选关键词中把词频比设计成去噪音的权值以及引入词语相似度,该方法对降低文本同类语料库提取关键词权重的影响都是非常有效的,也消除了TFIDF算法存在偏差。经过实验的分析和对比,该新型方法拥有更高的平均召回率。

摘要： Word similarity based on selectional preference acquisition method was investigated. Acquiring argument seeds was implemented firstly, and then they were expanded based on word similarity. Word similarity computing methods, word embedding based method, and dictionary based method were com-pared. It was shown that the former performed much better than the latter and they were complementary and could be combined. Word similarity based on selectional preference acquisition method had strength over other methods for its flexible seed choosing, no need of deep syntactic and semantic text processing, and high accuracy in pseudo-disambiguation experiments.%考察基于词语相似度的语义选择限制知识获取方法.首先获取种子论元,再利用词语相似度进行论元扩展.比较了基于词向量的词语相似度计算方法与基于词典的词语相似度计算方法在选择限制知识获取任务中的表现.实验表明,前者效果更好,且二者有一定互补性,可以结合使用.与语义选择限制知识获取的其他方法相比,基于词语相似度的方法,种子选取灵活,不要求对语料进行深层句法语义分析,在伪消歧实验中也取得了较高的正确率,具有一定的优势.

摘要： 基于百度百科对词语相似度计算进行研究,结合TF-IDF算法和词条百度百科内容,提出一种基于改进TF-IDF的百度百科词语相似度计算方法.TF-IDF算法对文本中词语权重进行计算时,面临部分代表性较好的词语权重较低的问题,通过引进百科词条中词语分布的类别信息,包括词语在类内、类间分布对词语权重的影响改进词语权重计算,此外,根据词语在全集中出现的频率定义词语的代表性,通过计算百科词条中词语的权重因子,构建词条的相关向量,根据向量之间余弦值计算词语相似度.实验表明,相对于不使用TF-IDF方法计算权重和基于经典TF-IDF方法计算权重,结合类别信息的TF-IDF方法和定义代表性的TF-IDF方法提高了词语相似度计算的准确性.

摘要： 电网企业级信息系统每次进行增量升级、消缺等作业时会严格按照实施方案进行,实施方案步骤不严谨、对风险的疏忽会带来巨大的安全隐患.针对现阶段人为对实施方案进行评估存在的管控力度不够、风险细节易疏漏等问题,提出基于潜语义模型的变更作业实施方案风险分析方法.试验证明了本文方法可有效发现电网信息作业实施过程中潜在的风险,可在电网实际信息作业中推广应用.

摘要： 相似度计算是自然语言处理工作的基石.随着自然语言处理技术的发展,相似度计算的研究价值和应用价值突显.现有的计算方法因其复杂度和精确度的问题,与现实应用的需求并不匹配.针对现有需求,对于不同粒度的文本,研究出一套适合大规模实际应用的相似度计算方法体系迫在眉睫.从方法论的角度,对目前主流的相似度计算方法进行总结,介绍了不同粒度的文本相似度计算的差别以及近几年的研究进展,总结了目前相似度计算方向存在的问题,并对发展趋势进行了展望.

摘要： 词语相似度计算是机器翻译、信息检索等自然语言处理领域的关键问题之一。传统的词语相似度计算方法，未能很好地考虑上下文信息对词语语义的约束，从而不能对语境变换带来的词语间相似度的差异进行有效的区分。本文引入模糊数学中隶属函数的概念计算词语上下文信息的模糊重要度，并结合基于知网的语义相似度计算方法，提出一种基于语境的词语相似度计算方法。实验表明，该算法可以根据语境有效的区分语义相近的词语。

摘要： 词语相似度计算是自然语言处理领域的基础和研究难点。本文利用知网的相关概念场,将词语的相关性引入到基于平均互信息的词语相似度计算中,并提出了统计和语义相结合的词语相似度计算方法,采用了国家公务员考试“词语替换”题型进行测试。实验结果显示,准确率为0.65。

摘要： 词语相似度的计算是自然语言处理领域中的关键问题之一.本文引入了一类改进的知网系统词语相似度计算方法.新方法首先从特定的语料库中抽取部分常用词语对,使用统计方法计算它们的词语相似度,然后将结果与基于语义分类体系的相似度计算结果相比较,获得两种方法计算结果的偏差率,并利用该值选择合理的知网系统词语相似度计算参数.实验表明本文的结果更趋合理,反映了语言实际应用的真实背景.

摘要： HowNet是一个大规模高质量的跨语言(中英)常识知识库,蕴含着丰富的语义信息.本文利用知识图谱领域的方法将HowNet复杂的结构层层拆解,得到了知识图谱形式的HownetGraph,进而利用网络表示学习以及知识表示学习方法得到了跨语言(中英),跨语义单位(字词、义项1、DEF_CONCEPT2和义原)的向量表示,在词语相似度(word similarity)和词语类比(word analogy)任务上对中英文数据集进行了实验,实验结果显示提出的方法在词语语义相似度的任务上取得了最好的效果.

摘要： 与传统人工阅卷相比，自动阅卷的主要优点是评分结果比较客观，同时自动阅卷可以提高命题和阅卷的效率。论文简要归纳了自动阅卷的过程，对分词的算法进行了分析，重点对词语相似度计算和语句相似度计算连个环节进行了分析。

摘要： 计算机对于自然语言的理解是一个很重要的课题,基于语料库的计算机智能语义分析与研究是其中一个方面.伴随着简单初等语料库的搭建,计算机能初步的理解自然语言的相关语义,在初等简单语料库的基础上优化现有的相似度检测算法,使算法对于词语相似度的检测性能得到提高,进而实现专业语料库的自动扩充与更新,通过实验证明,伴随着语料库语料质量的提高与数量的扩大,能更好地提高计算机对于自然语言的理解能力与判别能力.

摘要： 褒贬倾向性分析与识别在信息过滤、自动文摘、文本分类等领域都有良好的应用前景。针对褒贬倾向性较为集中的论坛网页，提出了基于特定论坛主题的网页文本褒贬倾向性计算方法。在人工选取褒贬评价词语的基础上，结合句法分析和知网词语相似度计算方法，提取出反映主题褒贬倾向的特征词，并根据网页信息块计算每个回复内容的褒贬倾向性，进而计算整个论坛页面的褒贬倾向性。在部分语料范围内的实验结果良好。

摘要： 在概述相关概念基本内涵和当前关键词-主题词映射主要实现方式基础上,综析了当前主要的中文关键词到主题词自动映射技术:基于词汇相似度的方法、基于词汇共现的方法、基于规则的方法、基于信息检索的方法和基于链接的方法.通过对自动映射技术的分析总结，将受控语言和自然语言二者结合起来，保证用户从海量信息中有效获取所需信息，提高检索效率。

摘要： 在概述相关概念基本内涵和当前关键词-主题词映射主要实现方式基础上,综析了当前主要的中文关键词到主题词自动映射技术:基于词汇相似度的方法、基于词汇共现的方法、基于规则的方法、基于信息检索的方法和基于链接的方法.通过对自动映射技术的分析总结，将受控语言和自然语言二者结合起来，保证用户从海量信息中有效获取所需信息，提高检索效率。

摘要： 在概述相关概念基本内涵和当前关键词-主题词映射主要实现方式基础上,综析了当前主要的中文关键词到主题词自动映射技术:基于词汇相似度的方法、基于词汇共现的方法、基于规则的方法、基于信息检索的方法和基于链接的方法.通过对自动映射技术的分析总结，将受控语言和自然语言二者结合起来，保证用户从海量信息中有效获取所需信息，提高检索效率。

摘要： 一种融合局部相似度和全局相似度的协同过滤推荐方案的方法，属于方案推荐技术领域。基于协同过滤算法的思想，从相似度计算方面进行突破，一是采用全部用户项目评分计算全局相似度，有效利用了数据的信息，能够解决数据稀疏性，二是利用用户的共同评分信息，将评分分为都是积极评分、都是消极评分以及两种评分结合三种情况，计算局部相似度，能够充分有效利用用户之间的共有信息，将两种相似度进行融合，能够有效提高预测的准确度。

摘要： 本发明涉及一种基于文本相似度改进的电网档案相似度计算方法，属于文件管理技术领域。该方法包括以下步骤：S1：属性分类及相似度定义；S2：定义全属性综合相似度；S3：同义词转换；S4：获得文本相对相似度。本发明利用系统间的共有属性的数据，快速、简单、有效地得到电网档案中文本的相似度，更有利于对电网档案的管理。

摘要： 本申请提供一种图像客观相似度到主观相似度的映射方法及装置，所述方法包括：准备若干样本组；设计一函数模型，所述函数模型用于将在取值范围内的客观相似度划分成连续的若干分段区间，并将各分段区间内的客观相似度对应映射至预设区间内的主观相似度；计算所有不同目标的两个图像样本的客观相似度并排序；根据排序后的客观相似度、以及将客观相似度取值范围划分成若干段的各边界值所对应的预设误报率阈值，计算各边界值，预设误报率阈值与所述客观相似度的大小成反比；根据当前两幅图像的客观相似度、所述函数模型和各边界值，计算所述当前两幅图像的主观相似度。本申请将公式计算的图像客观相似度映射到用户主观相似度，提升输出的感官匹配度。

摘要： 相似度计算装置(200)参照存储部，该存储部分别存储与多个第一媒体数据对应的二值化的第一代码。相似度计算装置(200)基于对与第二媒体数据对应的特征向量进行二值化而得到的第二代码被转换为第一代码的概率，分别计算第二媒体数据与各第一媒体数据之间的相似度。

摘要： 提供一种图像相似度计算系统，产生编辑图像和原始图像之间的图像相似度的较大值。局部区域权重计算装置14根据编辑图像中的每一个局部区域的概率，来计算图像中的每一个局部区域的权重值，作为局部区域权重值。局部区域权重计算装置14将所计算的局部区域权重值输出到图像相似度计算装置122。小区域相似度计算装置121将通过分割查询图像得到的每一个小区域的特征量与通过分割参考图像得到的每一个小区域的特征量进行比较。小区域相似度计算装置121计算针对各个小区域的特征量的相似度。图像相似度计算装置122通过将基于小区域的权重值应用于计算出的相似度来计算查询图像和参考图像之间的图像相似度。该权重值是从局部区域权重计算装置14中提供的局部区域权重值中得到的。

摘要： 本发明涉及一种基于词语覆盖度的文本相似度的运算方法、系统、服务器及存储介质，所述方法运用分词器对弹幕库的弹幕进行分词，再运用TF‑IDF公式及改进‑余弦相似度公式计算弹幕的词向量矩阵以及任意两个弹幕之间的特征词覆盖度，最后得出文本相似度结果，由此降低噪音的干扰。

摘要： 本发明具备：单词提取部(11)，其对m个文本进行分析并提取n个单词；向量计算部(12)，其通过使m个文本和n个单词分别在q个维度上向量化，从而计算由q个轴分量构成的m个文本向量和由q个轴分量构成的n个单词向量；以及指标值计算部(13)，其通过分别获取m个文本向量和n个单词向量的内积而计算反映m个文本和n个单词之间的关联度的相似度指标值；通过计算根据文本而算出的文本向量和根据文本内包含的单词而算出的单词向量的内积，能够得到以内积值的形式表示哪个单词对哪个文本具有何等程度的贡献的相似度评价值。

摘要： 本发明涉及一种基于特征相似度与特征值相似度融合的快递地址聚类方法，包括以下步骤：S1：获取快递的下单数据，统一获取快递地址信息，并对下单数据进行预处理，得到原始数据集；S2：按照设定的行政地址划分规则进行分词处理，进行词频统计过滤停用词；S3：建立特征词抽取模型对特征词进行选取，然后对不同特征赋予不同的权值；S4：建立相似度计算公式，依照改进的相似度计算公式对抽取到的特征词进行相似度计算；S5：建立基于特征相似度和特征值相似度融合的层次聚类算法，对客户行政地址进行聚类；S6：对快递末端网点客户地址聚类结果进行可视化展示。

摘要： 本公开是关于相似度确定方法，包括：获取原始模板图像和原始待测图像；确定原始模板图像和原始待测图像中的边缘，根据边缘从原始模板图像和原始待测图像中提取待测图像；根据邻域灰度均值在模板图像中和待测图像中像素的邻域灰度均值在待测图像中确定待测连通区域；获取模板连通区域的模板轮廓图像和待测连通区域的待测轮廓图像；计算模板轮廓图像和待测轮廓图像的相似度，以作为原始模板图像和原始待测图像的相似度。根据本公开，针对原始模板图像和原始待测图像，是基于轮廓确定相似度，而轮廓并不会因为原始模板图像和原始待测图像的类型不同而存在较大差异，因此有利于准确确定医学图像之间的相似度。

摘要： 本发明实施例公开了一种动态图片相似度模型建立、相似度计算方法和装置，其中，动态图片相似度模型建立方法，包括：获取动态图片训练样本组；将动态图片训练样本组的每张动态图片转换成对应的图样本，得到动态图片训练样本组对应的图样本组；将图样本组输入至图神经网络，得到第一相似度和第二相似度；以最大化第一相似度，以及最小化第二相似度为目标，训练图神经网络，得到动态图片相似度模型。本发明公开的技术方案用于搜索相似动态图片时，能以较高的精度计算动态图片间的相似度，提高了相似度的计算精度。