[发明专利]一种基于bootstrapping的文本相似度计算方法有效
| 申请号： | 201810400574.6 | 申请日： | 2018-04-28 |
| 公开（公告）号： | CN110413956B | 公开（公告）日： | 2023-08-01 |
| 发明（设计）人： | 王清琛;杜振东 | 申请（专利权）人： | 南京云问网络技术有限公司 |
| 主分类号： | G06F40/194 | 分类号： | G06F40/194;G06F40/284 |
| 代理公司： | 常州佰业腾飞专利代理事务所(普通合伙) 32231 | 代理人： | 刘娟娟 |
| 地址： | 211106 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 bootstrapping 文本 相似 计算方法 | ||
1.一种基于bootstrapping的文本相似度计算方法，其特征在于，它包括以下步骤：
步骤一，计算词的逆向文档频率作为词权重的初始值；
步骤二，依据逆向文档频率选择初始核心词表；
步骤三，计算文本中词的共现矩阵；
步骤四，根据bootstrapping算法，计算候选词和初始核心词的相关度作为更新权重的系数；
步骤五，根据词向量V、词权重W和词性权值F来计算句向量；
其中，所述步骤四中相关度的计算公式如下：
其中，T(Si,Rj)是指初始核心词Si和候选词Rj的相关度，Si是指初始核心词表S中第i个词，Rj是指候选词表R中第j个词，F(Si,Rj)是指初始核心词Si和候选词Rj的共现频次，F(Rj)是指包含候选词Rj在文档出现的频次；
其中，所述步骤四中更新权重的系数的计算公式如下：
其中，K(Rj)是指候选词Rj权重的更新系数，是指最大的相关度，|S|是指核心词表S中词的个数；
所述步骤四中每迭代一次，更新一次更新系数，词权重的更新计算公式如下：
其中，W(Ci)是指词Ci的权重，j是指第j次迭代，n是指总共迭代的次数，Kj(Ci)是指第j次迭代中词Ci权重的更新系数。
2.根据权利要求1所述的基于bootstrapping的文本相似度计算方法，其特征在于，所述步骤一中词权重是用代表文本中的词以一个数值来表示，生成文本的实数值向量。
3.根据权利要求1所述的基于bootstrapping的文本相似度计算方法，其特征在于，所述步骤五中句向量的计算公式如下：
其中，Dij是指文本Di中的第j个词，|Di|是指文本Di中的词个数，α参数从0到1反复迭代查找最优值。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京云问网络技术有限公司，未经南京云问网络技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810400574.6/1.html，转载请声明来源钻瓜专利网。
