文本相似性检索调研概况汇编.docx

文本相似性检索调研一、相似性检索调研从查看的资料来看，文本相似性检索大致有几个阶段，1）分词等文档处理阶段2）特征提取3）相似度计算。P2P环境下的文本检索综述本文属于综述，没有具体的操作方法。主要是加入一层语义覆盖网以及如何构建。一些研究者提出了语义覆盖网(Semantic Overlay Networks SONS)的概念，即在P2P网络之上构建了一个语义层，也就是预先定义好一个层次结构的主题分类，然后根据结点包含内容与主题的相关程度将结点聚类，收到查询消息后，检索主题找到相应的结点。基于SONS的研究已经有很多，方法1定义一个树状的主题层次结构和一些主结点和从结点，主结点的信息映射到主题层次结构中并维护从结点的连接信息；方法2将网络中的结点划分成不同的区域(Zone，在域内根据文档的相似度将结点聚类，并选出一个中心结点作为区域的代表，然后将不同的区域合并形成一个语义覆盖网；方法3运用潜在语义索引(Latent Semantic Indexing, LSI方法将文档映射到一个语义逻辑层，然后通过支持向量机(Support Vector Machine, SVM)模型进行训练，将结点划分到不同的语义覆盖网内；方法4利用结点的请求和应答的历史记录构建语义覆盖网，经常为某一查询提供解答的结点被认为具有相似的内容，将被划为同一类别；（我们有没有可能做）方法5通过对邻居结点的语义相似度、