共查询到18条相似文献，搜索用时 203 毫秒
1.
提出一种基于句子相似度的信息抽取方法。采用句子主题相似度计算, 对测试语料进行小句主题识别;同时结合句子主题在整个文章中的概率分布特点，提高识别的准确性。以网络上个人信息资源为语料，在该系统上进行测试, 取得较好效果。 相似文献
2.
基于句子相似度的文本主题句提取算法研究 总被引：1，自引：0，他引：1
文本主题提取是文本挖掘领域的重要研究内容,解决文本信息泛滥的重要手段.为了解决现有文本主题句提取中一些局部主题容易被忽略的问题,本文提出一种"先分割,再提取"的思想.首先将文本表示为句子的线性序列,句子表示为词的线性序列,并对每个句子都预处理为含有实词的词汇链,然后基于知网(Hownet)计算相邻句子相似度.基于句子相似度,采用文本分割技术将文本分为多个关于子主题的句子包,通过句子关系图对这些句子包进行主题句提取.最后选用不同的语料库,设计进行了可接受性测试,实验结果验证该算法是可行、有效地. 相似文献
3.
句子相似度计算是自动问答系统的重要理论基础和关键实现技术.目前,用于中文自动问答系统的句子相似度计算方法很多,由于缺乏系统的分析,给研究人员带来了较大的不便.依据所利用的特征信息,可以将这些方法分为四类,即基于关键词信息、基于语义信息、基于句法结构信息以及基于多重信息.通过对各类方法实验结果的比较,指出各自的优势和不足.同时指出,基于多重信息的方法是当前的主流方法,实现不同特征信息的最佳权重分配是该类方法今后的研究重点.另外,还提出一个有关相似度概念认识上的看法,即对于中文自动问答系统,实质上依据的是句子的相关度,而不是句子的相似度.通过本文的研究,旨在为中文自动问答领域的句子相似度计算研究提供一定的参考. 相似文献
4.
基于句子的文本表示及中文文本分类研究 总被引：1，自引：0，他引：1
文本挖掘技术是信息资源管理的一项关键技术.向量空间模型是文本挖掘中成熟的文本表示模型,通常以词语或短语作为特征项,但这些特征项只能提供较少的语义信息.为实现基于内容的文本挖掘,本文将文本切分粒度从词语或短语提高到句子,用句子包表示文本,使用句子相似度定义文本相似度,用KNN算法进行中文文本分类,验证模型的可行性.实验证明,基于句子包的KNN算法的平均精度(92.12%)和召回率(92.01%)是比较理想的. 相似文献
5.
针对网页文本结构信息少、噪声大的特点,将句子看作点,将句子间的相似性看作边,用句子关系图描述文本中句子间的关系。抽取文本主题句的任务转化为搜索图中边最多的点。利用语义词典,将句子相似度定义为句子语义相似度,解决短文本词频相似度低的问题。选用互联网公开语料进行测试,抽取的主题句达到平均80.6%的可接受性。 相似文献
6.
基于句子相似度的文档复制检测算法研究 总被引：3，自引：0，他引：3
秦新国 《现代图书情报技术》2007,2(11):63-66
提出一种基于句子相似度的文档复制检测技术，在抓住文档的全局特征的同时又兼顾文档的结构信息，克服以往检测算法两者不可兼顾的缺陷，提高检测精度。最后，给出该算法与其他算法检测结果的比较情况。实验证明，该算法是可行的。 相似文献
7.
8.
树编辑距离在Web信息抽取中的应用与实现* 总被引：1，自引：0，他引：1
引入编辑距离的概念,探讨如何构造标签树,并利用标签树匹配算法来量化网页结构相似度。该算法被应用于Web信息抽取,通过URL相似度算法进行样本网页的粗聚类,进一步采用树的相似度匹配算法实现细聚类,从而获取模板网页。在模板网页的基础上,再次引入结构相似度算法并结合基于模板网页的抽取规则实现网页的自动化抽取。实验证明,该算法的引入能够有效提高包装器的抽取精度和半自动化能力。 相似文献
9.
针对目前网络上的标题党新闻,提出一种标题党新闻自动识别的算法。通过分析新闻网页构成的特点,抽取出新闻标题和新闻正文;以句子关系矩阵为基础,提出一种以语句为单位的主题句抽取算法;根据句子相似度计算结果来进行判断。实验表明,本方法的识别精度可达到80%,是一种有效的方法。 相似文献
10.
文章基于"指代消解"、"文本外部特征"、"图排序"的混合方法实现多语言多文档新闻摘要系统。该系统由四大模块组成,分别为:原文预处理;基于文本外部特征的摘要计算;基于图排序的摘要计算与;摘要生成模块。首先对新闻文本进行预处理和指代消解,然后在第二模块使用文本外部特征(如:主题词、线索词语、关键词与其同义词、时间、地点、命名实体等)来计算原文中句子的重要程度,句子与新闻主题的相关度,并且对每个句子第一次打分。然后在第三模块采用图排序的算法再从原文中计算句子之间的连贯程度,并且第二次对每个句子打分。最后在第四模块通过两个不同算法的得分计算原文中句子的总得分并且按原文中句子出现的顺序摘出新闻文本的摘要。文章以汉语、英语、孟加拉语为例,实现该系统并进行摘要测试。实验表明系统能够从三个不同语种的多文档新闻文本中有效地摘出摘要。 相似文献
11.
陈敏 《浙江传媒学院学报》2003,10(1):51-53
现代汉语中的"给"有多种意义和功能,本文分析的是表示"给予"义的"给"字句.实际语言运用中,由于语用表达功能的需要,动词"给"(包括"V给")所携带的强制性语义成分往往会发生一系列的复杂变化.本文着重从动态角度,通过变换分析、成分的空缺或移位分析来考察"给"字句的语用效果. 相似文献
12.
We explore a syntactic approach to sentence compression in the biomedical domain, grounded in the context of result presentation for related article search in the PubMed search engine. By automatically trimming inessential fragments of article titles, a system can effectively display more results in the same amount of space. Our implemented prototype operates by applying a sequence of syntactic trimming rules over the parse trees of article titles. Two separate studies were conducted using a corpus of manually compressed examples from MEDLINE: an automatic evaluation using Bleu and a summative evaluation involving human assessors. Experiments show that a syntactic approach to sentence compression is effective in the biomedical domain and that the presentation of compressed article titles supports accurate “interest judgments”, decisions by users as to whether an article is worth examining in more detail. 相似文献
13.
14.
为研究中文学术论文下载次数与语言学特征的关系,文章以图书情报学领域被CSSCI收录的7种期刊发表于2014-2017年的6,257篇学术论文为研究对象,选用8个语言学特征指标测度高下载论文(Top 20%)、低下载论文(Bottom 20%)和全体论文的语言学特征。从中值和均值来看,各期刊高下载论文的标题长度几乎都小于总体论文和低下载论文,摘要词汇多样性、正文长度、正文句子长度和正文词汇多样性整体上大于总体论文和低下载论文。从显著性检验结果来看,整体上未通过显著性检验,但特定平台特定期刊的特定语言学特征指标通过了显著性检验。从样本数据来看,整体上语言学特征对中文学术论文下载次数影响很小,但在特定平台特定期刊语言学特征具有一定影响。 相似文献
15.
期刊论文题名雷同化是指一本期刊多篇论文的题名在句式结构方面存在明显的相同之处,包括前导词汇相同型和后缀词汇相同型这2种基本类型。论文题名雷同化,既有作者方面的原因,也有编辑方面的原因。解决题名雷同化问题,要求文稿责任编辑、当期责任编辑、编辑部负责人和论文作者强化科技学术期刊论文的题名优化意识、题名体系意识和题名创新意识。 相似文献
16.
17.
Employing effective methods of sentence retrieval is essential for many tasks in Information Retrieval, such as summarization,
novelty detection and question answering. The best performing sentence retrieval techniques attempt to perform matching directly
between the sentences and the query. However, in this paper, we posit that the local context of a sentence can provide crucial
additional evidence to further improve sentence retrieval. Using a Language Modeling Framework, we propose a novel reformulation
of the sentence retrieval problem that extends previous approaches so that the local context is seamlessly incorporated within
the retrieval models. In a series of comprehensive experiments, we show that localized smoothing and the prior importance
of a sentence can improve retrieval effectiveness. The proposed models significantly and substantially outperform the state
of the art and other competitive sentence retrieval baselines on recall-oriented measures, while remaining competitive on
precision-oriented measures. This research demonstrates that local context plays an important role in estimating the relevance
of a sentence, and that existing sentence retrieval language models can be extended to utilize this evidence effectively. 相似文献
18.
Yu. M. Kuznetsova 《Scientific and Technical Information Processing》2016,43(5-6):296-305
This article is a review of some current ideas about the structure, functions, and types of definitions as a form of knowledge expression typical of scientific communication. Special emphasis is placed on linguistic models of definition and their typologies based on structural and content-related peculiarities. A number of cases are considered to show that it may be especially difficult technically to identify structurally modified definitions that deviate from the common three-part structure and definitions expressed in more than one sentence. 相似文献