基于句子的多属性融合相似度计算方法 袁绍正.pdf

计算机系统应用 ISSN 1003-3254, CODEN CSAOBN E-mail: ******@
Computerity, and it is compared with other traditional methods in recall rates, accuracy rates, and normalized F-measure
values. The results show that this method has balanced recall and accuracy rates and a high F-measure value of %.
Key words: multi-attribute; weight; sentence similarity; analytic hierarchy process (AHP); F-measure
 
 
计算句子相似度是自然语言处理领域研究的一个 两大类: 基于统计的方法和基于深度学习的方法[1]. 典型
基础且重要的工作, 有着广泛的应用方向, 多用于智能 的方法有莱文斯坦距离、BM25、TF-IDF、Word2Vec
问答、信息检索、语义分析和文本分类等场景. 余弦相似度、Jaccard系数相似性计算等.
目前对于句子相似度的研究停留在语义理解范围, 国内外各个学者对句子相似度的研究做了广泛的
依托越来越庞大的数据库做大量的仿真, 做到让机器理 探索. Tian等[2] 提出一种基于同义词表的改进Word2Vec
解人类的语言, 但现有的句子相似度计算方法主要分为 句子相似度算法, 通过构建同义词表和融合词向量来
① 收稿时间: 2021-06-29; 修改时间: 2021-07-30; 采用时间: 2021-08-12; csa在线出版时间: 2022-03-22
Software Technique•Algorithm 软件技术•算法 303计算机系统应用 -s- 2022 年 第 31 卷 第 4 期
提高句子相似度计算的准确性; Wilson等[3]提出一种 图1所示, 向量a和向量b的余弦夹角小于向量a和
使用组合语义方法来测量文档相似性的有效方法, 该