基于加权词向量的毕业设计选题查重方法研究
目前,人工筛选查重是高校筛选学生毕业论文选题是否重题的常用方法.但是面对大量的毕业设计选题,该方法容易出现遗漏遗忘、工作效率低下的问题.为了克服人工筛选的缺点,该研究分别使用了余弦相似度、逆文本频率、BM25和Jaccard等四种计算文本相似度的算法计算句子之间的相似度.对各种算法的实验结果进行了分析后,本文提出了逆文本频率与余弦相似度相结合的算法,该算法在蚂蚁金融自然语言处理竞赛数据集和LCQMC数据集下F1最高可以达到0.79.实验表明,数据集越大,精确度越高.最后,将本文的算法用于毕业设计选题的查重.该算法可以有效弥补人工筛选的缺陷,提高了选题查重的工作效率.
文本相似度;wod2vec;jieba分词;选题查重
17
TP391(计算技术、计算机技术)
安徽省高校自然科学研究项目KJ2019A0737
2021-10-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
179-182,193