面向科技項(xiàng)目申報(bào)文本相似性檢測(cè)算法的研究與應(yīng)用.pdf

1、隨著國(guó)家對(duì)科學(xué)事業(yè)的大力支持，科技項(xiàng)目研究經(jīng)費(fèi)下?lián)芰Χ纫搽S之大大提升，為了防止在申報(bào)過(guò)程中存在重復(fù)申報(bào)等問(wèn)題導(dǎo)致國(guó)家科研經(jīng)費(fèi)浪費(fèi)、科研事業(yè)停滯不前的結(jié)果發(fā)生，本文將針對(duì)科技項(xiàng)目申報(bào)這一領(lǐng)域的文本相似性檢測(cè)算法作為研究對(duì)象，分別對(duì)中文詞語(yǔ)、句子和文本相似度計(jì)算方法進(jìn)行了深入研究，進(jìn)而將本文的研究成果應(yīng)用于科技項(xiàng)目申報(bào)系統(tǒng)中。
　　本文對(duì)傳統(tǒng)的詞語(yǔ)、句子和文本相似度計(jì)算方法進(jìn)行了剖析，如基于向量空間模型、基于本體、漢明距離等方法，一方

2、面需要構(gòu)建一定規(guī)模的語(yǔ)料庫(kù)和和訓(xùn)練集，且存在高維矩陣稀疏問(wèn)題；另一方面，在抽取文本特征向量時(shí)，并沒(méi)有將上下文語(yǔ)義結(jié)構(gòu)和語(yǔ)義關(guān)系考慮其中。所以計(jì)算精確度并不是非常高。為了進(jìn)一步提高計(jì)算精確度，本文提出了兩種新的計(jì)算方法，一種是基于《知網(wǎng)》改進(jìn)的詞語(yǔ)相似度計(jì)算方法，另一種是針對(duì)文本計(jì)算方法，提出了結(jié)合文本主題網(wǎng)絡(luò)構(gòu)建和語(yǔ)義分析的計(jì)算方法。盡管這兩種方法都在計(jì)算復(fù)雜度上有了一定的提高，但相對(duì)其更高的精確度而言，消耗一定的硬件代價(jià)來(lái)彌補(bǔ)計(jì)算速率