基于伪LCS的中文专利句子相似度计算方法.pdfVIP

基于伪LCS的中文专利句子相似度计算方法‘ 卢延科，尹宝生，张桂平，苗雪雷，白宇 (沈阳航空丁业学院知识T程中心，辽宁沈阳110034) ， wp—luykalyahoo．cn 摘要：针对专利文献专业术语相对较多、形式规范、语言严谨的特点，本文提出了一种基于伪LCS的 句子相似度计算方法．该方法通过对传统的最长公共子串(LCs)算法进行改进，并加入了词汇语义信息、 词类和术语相相似度等相关信息，使其具有模糊对齐的能力，更适合专利文献中句子相似度的计算．实验 结果表明该方法在专利句子相似度计算方面取得了较好效果。 关键词：句子相似计算：伪LCS；模糊对齐；术语相似度计算； methodofsentence basedon Computing similarity pseudo-LCS withthecommon documentshavecanonical ^bstract：Compareddocuments，patent format，precise all atthe andabundanceof characteristicsof expression terms．Aiming patentdocuments，this a methodofsentence basedon methodis paperpresentscomputing similarity pseudo—LCS．This theconventionalcommon of byimproving longest subsequence(LCS) capablefuzzy-alignment addit method of simi and algorithm．Inion，this joins哟rdmeaning，partsspeech，termlarity moreeffectiveinsentence for otherrelatedinformation，being similaritycomputation patent documentasshown results． byexperimental words：sentence Key similarity similarity computation； 1引言 在自然语言处理研究领域，句子相似度计算有着非常广泛的应用，并且发挥着重要的 作用。例如：在信息检索中通过句子相似度计算找到与用户需求相似的句子；在基于实例 机器翻译、翻译记忆、人机协同翻译中通过句子相似度计算匹配相似的句．了得到需要的译 文；在问答系统中通过句子相似度计算找到与问题相匹配的答案：在自动文摘系统中通过 句了相似度计算去处冗余信息等等。 目前对句了语义相似度计算的研究方法主要有基于相同词汇的方法…、 使用语义词 典的方法12儿3‘、使用编辑距离…的方法以及基于统计的方法旧1等。其中，基于相同词汇的方 法对于句予中普遍存在的同义或近义词之问的取代及比较，不能有效的解决；使用语义词 典的方法解决了单纯语义匹配的问题，但没有考虑到句予内部的结构和词礼：之问的相互关 系，冈此准确率并不理想；使用编辑距离的方法，其规定的操作模式并不完全适用于整体 句了相似度