基于文本多特征值的功率譜分析方法的研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展和計(jì)算機(jī)模擬人類思維的能力不斷提高，各種信息大量涌現(xiàn)，人工管理信息已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足日益增長的社會需求，如何使用計(jì)算機(jī)在看似凌亂的數(shù)據(jù)中快速找出潛在的、有價值的信息才是當(dāng)前的需要。近年來，文本相似性計(jì)算已經(jīng)有了長足的發(fā)展，被廣泛應(yīng)用到文獻(xiàn)檢索、信息過濾、機(jī)器翻譯、信息歸類等領(lǐng)域，但大多數(shù)研究是針對某種具體的應(yīng)用而言的，一種算法在另一領(lǐng)域的適用性較差，新應(yīng)用需要研究新的算法來解決。
　　另外，系統(tǒng)化的表示文本與計(jì)

2、算方法的研究還存在著諸多缺陷，阻礙了文本智能化的發(fā)展。文本計(jì)算是文本智能化處理的主要理論之一，文本的數(shù)學(xué)表示及其計(jì)算則是文本智能化處理的基本方法。本文針對文本多特征值的提取，構(gòu)建二維特征集合，系統(tǒng)化地表示文本特征，完成文本多特征值的存儲及對文本規(guī)范化處理。通過研究面向文本計(jì)算的二維特征集合的構(gòu)成、運(yùn)算方法及其性質(zhì)，形成一套面向文本的基于二維特征集合的計(jì)算體系，為文本中詞條多特征屬性的應(yīng)用奠定了基礎(chǔ)。
　　本文研究了各種經(jīng)典的特征提

3、取算法和文本相似性計(jì)算模型，通過多角度地提取文本特征創(chuàng)建經(jīng)濟(jì)領(lǐng)域的主題詞表，并以該主題詞表為核心研究文本的能量分布。此外，本文受人類想象運(yùn)動會引起腦電波的變化思想的啟發(fā)，認(rèn)為人們在寫作過程中頭腦的脈沖信號與寫作過程存在著密切的聯(lián)系，本文通過模擬作者寫作過程中腦電信號的變化特點(diǎn)并結(jié)合詞語的某些特征值對文本的貢獻(xiàn)構(gòu)造詞語脈沖信號函數(shù)，并通過疊加詞語脈沖信號函數(shù)的方式，形成文本脈沖信號函數(shù)。為解決文本高維度的問題，本文將該模型轉(zhuǎn)化到頻域，得到

4、每篇文本的功率譜圖，由此提出基于功率譜估計(jì)方法的文本相似性計(jì)算模型，該模型一方面利用功率譜圖表示文本的語義和語法結(jié)構(gòu)，獲取更多、更深的文本語義信息特征，增強(qiáng)文本表示的準(zhǔn)確性，減少文本語義信息量的損失;另一方面通過功率譜分析研究文本的書寫趨勢和內(nèi)在規(guī)律，探索文本分析的新方法，增強(qiáng)文本計(jì)算的精確性和全面性。
　　最后，本文以建立功率譜庫的形式，完成待測文本的相似性判別。由最終的實(shí)驗(yàn)結(jié)果可知，本文提出的功率譜匹配算法不僅可以擺脫語言和文