基于潜在特征词的文本相似度计算方法

摘要：

针对传统文本相似度计算方法中,词语权重定义TF-IDF方法仅考虑词频信息,而没有考虑特征词在文本中的位置因子,提出了相应的改进方法.另外,在建立文本向量模型,选择特征词时,对于与高权值词语有较高共现率、语义相近的潜在特征词也进行了深入的分析与挖掘.最后,结合几种常见的传统特征选择方法对特征集合进行精简、优化,更加准确的建立了文本向量模型,实验结果表明了改进后算法的有效性和可靠性.

关键词：特征选择、位置因子、词语关联度、潜在特征词、文本相似度

所属期刊栏目：32

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金项目50372037;陕西省科技厅自然科学基础研究计划项目SJ08E103;陕西科技大学科研启动基金项目BJ10-01

在线出版日期：2011-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：572-575