结合汉明距离及语义的文本相似度量方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 文本相似度量国内外研究现状 | 第11-13页 |
| 1.2.1 基于统计学的研究现状 | 第11-12页 |
| 1.2.2 基于语义分析的研究现状 | 第12-13页 |
| 1.3 研究意义及内容 | 第13-14页 |
| 1.3.1 研究意义 | 第13页 |
| 1.3.2 研究内容及创新 | 第13-14页 |
| 1.4 内容组织安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 文本处理相关理论概述 | 第16-26页 |
| 2.1 文本表示 | 第16-19页 |
| 2.1.1 VSM模型 | 第16-17页 |
| 2.1.2 BM模型 | 第17-18页 |
| 2.1.3 LDA模型 | 第18-19页 |
| 2.2 SM简介 | 第19-22页 |
| 2.2.1 Cosine余弦度量 | 第19-20页 |
| 2.2.2 Jaccard度量 | 第20-21页 |
| 2.2.3 Hamming度量 | 第21-22页 |
| 2.3 文本预处理 | 第22-25页 |
| 2.3.1 常用分词法简介 | 第23-24页 |
| 2.3.2 去停用词 | 第24页 |
| 2.3.3 预处理图示 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 结合汉明距离及语义的HSim算法 | 第26-47页 |
| 3.1 计算模型选定 | 第26-28页 |
| 3.1.1 模型优劣对比 | 第26-28页 |
| 3.2 文本词项化 | 第28-30页 |
| 3.3 词项义原化 | 第30-36页 |
| 3.3.1 语义词典选择 | 第30-33页 |
| 3.3.2 义原归化 | 第33-36页 |
| 3.4 相似度计算 | 第36-41页 |
| 3.4.1 HMT的应用 | 第36-37页 |
| 3.4.2 HMT与DPS的有机结合 | 第37-39页 |
| 3.4.3 算法设计 | 第39-41页 |
| 3.5 仿真实验及参数选定 | 第41-46页 |
| 3.5.1 数据及预处理 | 第42页 |
| 3.5.2 参数确定 | 第42-44页 |
| 3.5.3 性能比较 | 第44-45页 |
| 3.5.4 适用性验证 | 第45-46页 |
| 3.6 本章总结 | 第46-47页 |
| 4 HSim算法性能及适用性改进 | 第47-54页 |
| 4.1 汉明归化改进 | 第47-48页 |
| 4.1.1 DMP优化 | 第47-48页 |
| 4.1.2 CZ优化 | 第48页 |
| 4.2 义原归化改进 | 第48-49页 |
| 4.3 优化实现 | 第49页 |
| 4.4 改进方案仿真验证 | 第49-53页 |
| 4.4.1 性能验证 | 第50-51页 |
| 4.4.2 长度适用验证 | 第51-52页 |
| 4.4.3 类型适用验证 | 第52-53页 |
| 4.5 本章总结 | 第53-54页 |
| 5 总结及展望 | 第54-56页 |
| 5.1 本文总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 | 第61-62页 |
| 硕士学位论文详细摘要 | 第62-64页 |
