原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于VSM的文本相似度计算的研究_
第25 卷第 11期 计 算 机 应 用 研 究 Vo.l25 No.11
2008年 11月 ApplicationResearchofComputers Nov.2008
VSM＊
1, 2 1 1
, ,
(1.华北电力大学 计算机科学与技术学院, 北京 102206;2.北京大学 计算机系, 北京 10087 1 )
:文本相似度的计算作为其他文本信息处理的基础和关键,其计算准确率和效率直接影响其他文本信息
处理的结果 提出改进的 DF算法和 TD-IDF算法, 一方面利用了 DF算法具有线性的时间复杂度, 比较适合大
规模文本处理的特点, 并通过适当增加关键词的方法, 弥补了其对 个别有用信息错误过滤的不足;另一方面, 利
用特征项在特征选择阶段的权重对 TD-IDF方法进行加权处理, 在不增加开销的情况下扩大了文档集的规模, 还
提高了相似度计算的精确度
:文本相似度;特征选择;词频—逆文档频率法;向量空间模型
:TP39 1 :A :1001-3695 (2008 )11-3256 -03
SmiilaritycomputingofdocumentsbasedonVSM
1, 2 1 1
GUOQing-lin, LIYan-mei, TANGQi
(1.SchoolofComputerScience Technology, NorthChinaElectricPowerUniversit,yBeijing102206, China;2.Dep.tofComputerScience
Technolog,yPekingUniversity, Beijing10087 1, China)
Abstrac:tTheprecisionandefficiencyofthecomputingofdocumentssmiilarityisthefoundationandkeyofotherdocuments
process.ThispapermiprovedtheDFandTF-IDFarithmetic.Inthiswa,yDF stmiecomplexitywaslinearitythatsuitedthe
massdocumentsproces,sandcouldmakeupthefaultthatexceptionalusefulcharactersmightbedeleted.Als,o itdidamend
ontheTF-IDFarithmetictomiprovetheprecisionofdocumentssimilarity.
Keyword:sdocumentssimilarity; featureselection;TF-IDF(term frequency-inversedocumentfrequency);VSM(vector
spacemodel)
, …, W ) (T, T, T, …, T)
n 1 2 3 n
, [2]
,
,
,
, ,
,
, 、
.
、、、,
文档评论（0）