面向科技项目申报文本相似性检测算法的研究与应用-计算机技术专业毕业论文.docxVIP

本人郑重声明:所呈交的学位论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华 东交通大学或其他教育机构的学位或证书所使用过的材料。与我 一 同工作 的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢 二泣晶 忠、。 日月制且f口 日月 制且f 口μ 本人完全了解华东交通大学有关保留、使用学位论文的规定，即:学 校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 ~ι 、?._且‘在解密后遵字i除栩官女、人 -Ava 》 学生本人签名 校内导师签名  -b-5 摘要 摘要 I I 面向科技项目申报文本相似性检测算法的研究与应用 摘要 随着国家对科学事业的大力支持，科技项目研究经费下拨力度也随之大大提升，为 了防止在申报过程中存在重复申报等问题导致国家科研经费浪费、科研事业停滞不前的 结果发生，本文将针对科技项目申报这一领域的文本相似性检测算法作为研究对象，分 别对中文词语、句子和文本相似度计算方法进行了深入研究，进而将本文的研究成果应 用于科技项目申报系统中。 本文对传统的词语、句子和文本相似度计算方法进行了剖析，如基于向量空间模型、 基于本体、汉明距离等方法，一方面需要构建一定规模的语料库和和训练集，且存在高 维矩阵稀疏问题；另一方面，在抽取文本特征向量时，并没有将上下文语义结构和语义 关系考虑其中。所以计算精确度并不是非常高。为了进一步提高计算精确度，本文提出 了两种新的计算方法，一种是基于《知网》改进的词语相似度计算方法，另一种是针对 文本计算方法，提出了结合文本主题网络构建和语义分析的计算方法。尽管这两种方法 都在计算复杂度上有了一定的提高，但相对其更高的精确度而言，消耗一定的硬件代价 来弥补计算速率上的不足，这还是值得的。本文最后基于以上两种方法，设计并实现一 个科技项目文本相似性检测系统，来检测科技项目申报文本相似性。针对科技项目申报 这一特定领域的文本相似性检测算法的研究，实际应用当中，减少了审核人员的工作成 本、提高了工作效率，同时文本检测结果更为客观科学准确，有较大实用价值。 关键词：科技项目，相似性，文本检测，知网，文本主题网络 Abst Abstract II II RESEARCH AND APPLICATION OF SCIENCE AND TECHNOLOGY PROJECT TEXT SIMILARITY DETECTION ALGORITHM ABSTRACT As our country has given strong support to the scientific enterprise, the research grant of finance support has been highly risen. In order to prevent the repeated project application or the behavior of plagiarizing that may lead to the waste of research grant or the standstill of the science and technology enterprise during the application process, the similarity detection algorithm aimed at the application of science and technology project is regarded as the research object, then the intensive study on the similarity calculation method of Chinese phrases, sentences and texts are made respectively. After that, the research result can be used in the application system of science and technology project. The traditional similarity calculation method of phrases, sentences and texts are dissected, then the existing defect and the method that can be improved are found. S