一種結合TF-IDF和Simhash的科技項目文本相似性度量方法
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>3591 K
標簽： 科技項目文本 文本相似度 TF-IDF
所需積分：0分積分不夠怎么辦？
文檔介紹：為了提高科技項目文本相似性度量的準確性和性能，將TF-IDF和Simhash相結合，提出了一種新的科技項目文本相似性度量方法。首先，該方法對科技項目文本進行預處理得到詞項集合，再使用TF-IDF計算詞項集合中每個詞項的權重值，并選取具有較高權重值的重要詞項；其次，使用Simhash把重要詞項映射為固定長度的二進制串，并求和得到文本的Simhash簽名；最后，使用漢明距離計算兩個Simhash簽名間的相似性。實驗結果表明，所提方法在查準率、召回率和F度量值方面優(yōu)于傳統(tǒng)的Simhash算法和TF-IDF方法。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。