一种基于物元集对的文本相似度计算新方法.pdfVIP

一种基于物元集对的文本相似度计算新方法 熊渝江 00044) (北方交通大学通信系北京1 摘要根据物元分析和集对分析的理论，本文提出了物元集对的概念，给出了物元集对的 相似联系度，在此基础上建立了文本物元集对，由相似联系度的计算公式，得到了一 种新的文本相似度计算方法．该方法全面地揭示了文本和查询式之间的确定．不确定 关系，有效地描述了两者之间的匹配程度． 关键词信息检索物元集对相似联系度 1引言 信息检索技术已经广泛地应用于各个领域，尤其在Intemet网络、图书馆等领域，它为快 速查阅文本信息提供了极大便利，文本信息检索过程中利用文本相似度描述文本与查询式之 明距离为基础的文本计算方法【5】等． 以上这些方法都只从单一联系方面考虑文本和查询式之间的相似度，而忽略了两者之间 的不确定因素的影响．本文从文本物元集对的角度出发，根据物元集对相似联系度的计算公 式，得出文本和查询式之间的相似度，全面考虑了两者之间的确定．不确定联系，从而得到更 准确的查询结果． 2物元集对及相似联系度 set 物元集对(matter-clementpair,MESP)是在物元分析【6】和集对分析【7】的基础上提出的一 种系统分析法，其定义如下：设两物元 耻卜兰卜氐：卜 其中N。、Nb是所涉及的事物，Cai、Cbi是事物所具有的特征，‰、Vbi是特征对应的量值，n 是特征的数量，称{Ra，Rb)为两物元的物元集对．建立物元集对的目的是为了更好地分析物元 50l Zf．q的确：g、不确定联系程度，从而得出其相似联系度．相似是指两物元存在某些共同特征， 而在量值上存在差异．称 (1) 各特征的权值，则称 ． ag--(1／n)EWiqi (2) 为两物元的相似同一度， CR=(1／n)Ewe0一qi) (3) 为两物元的相似对立度， bR=(1／n)∑(1一w／) (4) 为两物元的相似差异度，并称 u(Ra，‰)=aR．-I-bRi+CRj (5) 为两物元的相似联系度，其中i在【-1，l】上取值，j=。l。 i的取值应根据实际具体情况而定，比如当相似度qi较大时，说明原来不确定的因素 对同一性的支持程度较大，i的取值应偏向1：当qi较小时，说明原来不确定的因素对同 一性的支持程度较小，而对对立的支持程度较大，i的取值应偏向0或．1．可见，相似联系 度描述了物元集对的同异反联系程度，并且反映了不确定因素和确定因素的影响． 了两者之间不确定的关系．可见，物元集对的相似联系度从确定性与不确定性，同一性、对立 性与差异性多方面深刻描述了两物元的相似程度，与传统的分析方法不同，它较全面地描述 了客观事物和主观认识的确定与不确定性，反映了不确定因素对确定因素的影响，可提供更 多的信息． 3物元集对在文本相似度计算中的应用 (1)相似度计算公式 由以上的分析，可以首先建立文本的物元集对{＆，K)，其中凡为文本物元，K为查询 i+cRj，其含义及计算见(1)，(2)，(3)，(4)式，定义相 式物元，其相似联系度为la(粕，Rq)=aR+ba ’ 似度计算公式： sim(1k，氏