漢語語句相似度計(jì)算方法研究與應(yīng)用.pdf

1、漢語語句相似度計(jì)算在機(jī)器翻譯、信息檢索等很多領(lǐng)域都具有廣泛的應(yīng)用前景，因此，一直是相關(guān)產(chǎn)業(yè)和學(xué)術(shù)界高度關(guān)注的重要的研究課題。目前，比較流行的漢語語句相似度計(jì)算方法主要是基于向量空間模型(VSM)和基于語義的方法，上述方法只考慮了句子的某一方面，比如詞形或語義，難以取得滿意的相似度計(jì)算結(jié)果。
　　本文針對目前漢語句子相似度計(jì)算方法存在的主要問題，充分利用漢語語句的多種信息，研究多因素融合的漢語句子相似度計(jì)算方法，并將其應(yīng)用到題庫建設(shè)

2、中，以避免大量相似試題的產(chǎn)生，保證題庫的質(zhì)量。主要的研究內(nèi)容和成果如下。
　　(1)提出了多因素融合的漢語句子相似度的計(jì)算方法。該方法將句子整體上分為三個(gè)層面:詞形、語義、結(jié)構(gòu)。首先單獨(dú)計(jì)算每個(gè)層面的相似度，最后，將這三個(gè)層面的相似度設(shè)置不同的權(quán)重，通過加權(quán)得到了整個(gè)句子的相似度計(jì)算公式。通過該方法能夠更好的刻畫句子的特征，從而能夠取得更好的相似度計(jì)算結(jié)果。
　　(2)設(shè)計(jì)了對比實(shí)驗(yàn)。在實(shí)驗(yàn)中，本文設(shè)置了三組詞形、語義及結(jié)構(gòu)

3、相似度權(quán)重因子的組合，通過計(jì)算測試集中的句子與用戶需要檢索的句子之間的相似度，得到了相似度計(jì)算結(jié)果最好的權(quán)重因子組合。從準(zhǔn)確率、召回率與F1值三個(gè)方面，與傳統(tǒng)的基于向量空間的相似度方法以及單純的基于語義的相似度計(jì)算方法進(jìn)行了對比實(shí)驗(yàn)，證明了本文方法的有效性。
　　(3)設(shè)計(jì)了一個(gè)小型的題庫管理系統(tǒng)。將本文中提出的多因素融合的句子相似度計(jì)算方法封裝成一個(gè)搜索引擎，將其應(yīng)用到題庫建設(shè)中，用戶在向題庫中輸入題目時(shí)，首先檢測該題目和題庫中