基于分層的中文句子相似度的研究.pdf

1、在計(jì)算機(jī)科學(xué)技術(shù)學(xué)科中，愈來愈多的研究領(lǐng)域涉及到對(duì)文本信息的處理問題，這些領(lǐng)域以文本信息處理為核心，文本信息處理的好壞制約著它們的進(jìn)一步發(fā)展。文本信息主要由自然語言來表示，對(duì)文本信息的處理即體現(xiàn)在對(duì)自然語言處理之上。在我們?nèi)粘h語文本信息處理過程中，計(jì)算中文文本中句子的相似度是極端重要而且又非?；A(chǔ)的一項(xiàng)工作，也是研究人員關(guān)注的熱點(diǎn)和難點(diǎn)。
　　本文在對(duì)中文句子相似度的研究過程中，對(duì)于傳統(tǒng)的句子相似度計(jì)算方法僅僅考慮句子某一方面的

2、特征信息，提出了基于分層的中文句子相似度計(jì)算方法。該方法從句子的表層、中層和深層三個(gè)層次對(duì)句子相似度進(jìn)行計(jì)算，綜合考慮句子表層特征信息如句子長度、相同關(guān)鍵字的距離等，句子中層特征信息如句子結(jié)構(gòu)信息，句子的深層特征信息如句子的情感傾向信息。該方法根據(jù)句子表層，中層，深層信息對(duì)句子的影響因子的大小，通過相應(yīng)的計(jì)算模型來綜合兩個(gè)句子表層相似度，中層相似度和深層相似度，進(jìn)而計(jì)算出句子間整體相似度。本文主要有如下幾個(gè)方面的研究成果:
　　1

3、)、在本文中，將句子分成表層，中層，深層三個(gè)層次，我們認(rèn)為句子的整體信息是由這三個(gè)層次句子的表層信息，句子的中層信息，句子的深層信息組成。其中句子的表層信息主要是由句中詞語的信息決定，中層信息是句子結(jié)構(gòu)的信息決定，深層信息是句子情感傾向決定。句子的表層特征信息和中層特征信息決定句子的主題，句子的深層特征信息決定了句子的情感傾向。
　　2)、針對(duì)目前常見句子相似度往往是對(duì)句子的某一特征進(jìn)行計(jì)算，本文采用分層的結(jié)構(gòu)劃分句子特征，并充分