基于非分詞技術的科技項目查重研究與實現(xiàn).pdf

1、隨著我國科研投入的增加，如何管理好科研經費成為管理者所關心的問題。在科研項目立項管理中，常常需要找到相似的科研項目申請（簡稱科技項目查重），以避免重復立項或提高評審效率等。
　　 通過計算科技項目申請書的相似度，可以解決上述問題。科技項目申請書相似度計算，本質上就是中文文本相似度計算。傳統(tǒng)上為了計算中文文本的相似度，需要利用分詞技術從中文文本中提取出詞作為文本的特征點。這種方法對詞典的依賴很大，也因此常常無法提取到科技項目申請書

2、中的專業(yè)名詞，而這些專業(yè)名詞卻恰恰是科技項目申請書最為重要的特征點。
　　 本文利用后綴樹來提取科技項目申請書中的相同部分，并挖掘后綴樹節(jié)點的頻繁閉項集作為科技項目申請書的特征點，從而構建向量空間模型—頻繁閉項后綴樹節(jié)點集向量（FCSNV）—來計算科技項目申請書的相似度。
　　 本文主要做了以下研究工作：
　　 ①利用Ukkonen算法思想，本文實現(xiàn)了科技項目申請書集的后綴樹的構建；
　　 ②本文實現(xiàn)了C