| 曾文,徐红姣,李颖,王莉军,赵婧.基于VSM的科技期刊文献与专利文 献的相似度计算方法研究[J].情报工程,2016,2(3):037-042 |
| 基于VSM的科技期刊文献与专利文 献的相似度计算方法研究 |
| The Study of Correlation Calculation Method Based on the VSM for Scientific and Technological Periodicals and Patents |
| |
| DOI：10.3772/j.issn.2095-915X.2016.03.005 |
| 中文关键词: 自然语言处理，TF-IDF，向量空间模型，科技期刊，专利，相似度 |
| 英文关键词: Natural language processing, TF-IDF, vector space model, journal of science and technology, patent, similarity |
| 基金项目:本研究得到国家社会科学基金项目（项目编号：14BTQ038）和中国科学技术信息研究所科研项目预研资金项目（项目编 号：YY2016-08）的支持。 |
| 作者 | 单位 | | 曾文 | 中国科学技术信息研究所 | | 徐红姣 | 中国科学技术信息研究所 | | 李颖 | 中国科学技术信息研究所 | | 王莉军 | 中国科学技术信息研究所 | | 赵婧 | 中国科学技术信息研究所 |
|
| 摘要点击次数: 3300 |
| 全文下载次数: 2791 |
| 中文摘要: |
| 文本相似度的计算方法以采用 TF-IDF 的方法对文本建模成词频向量空间模型（VSM）为主，本 文结合科技期刊文献和专利文献特点，对 TF-IDF 的计算方法进行了改进，将词频的统计改进为科技术 语的频率统计，提出了一种针对科技文献相似度的计算方法，该方法首先应用自然语言处理技术对科 技文献进行预处理，采用科技术语的自动抽取方法进行科技文献术语的自动抽取，结合该文提出的术 语权重计算公式构建向量空间模型，来计算科技期刊文献和专利文献之间的相似度。并利用真实有效 的科学期刊和文献数据进行实验测试，实验结果表明文中提出的方法优于传统的 TF-IDF 计算方法。 |
| 英文摘要: |
| Original text similarity measurements employed the TF-IDF method to model the documents as term frequency vector space model (VSM), and compute similarity between the documents. The paper proposed a new literature similarity calculation method for scientific and technological (S&T) documents. According to the characteristics of these documents, we replaced the word frequency statistic method by the scientific term frequency statistic method to improve the algorithm of TF-IDF method. In addition, the new method applied the natural language processing technology to the pretreatment, using the term automatic extraction method for extracting S&T terms. The term weight VSM was constructed to calculate the similarity between S&T periodical literatures and patents by using the new calculation formula. Moreover, this paper used the real S&T documents to test the new method, and compared its results with the original method. The results showed that the proposed method is superior to the original TF-IDF method. |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
