一種利用本體關聯(lián)度改進的TF-IDF特征詞提取方法.pdf

1、傳統(tǒng)的TF-IDF文本特征詞提取方法是一種基于統(tǒng)計的方法，它將詞語作為獨立的單元進行處理，通過統(tǒng)計文本中詞語出現(xiàn)的頻次及文本集合中包含同一詞語的文本數(shù)量確定文本的特征詞。該方法雖然能夠在一定程度上降低計算時間、簡化文本特征詞提取的步驟，但存在未考慮詞語之間的關聯(lián)關系、忽略區(qū)分度較高的低頻詞等不足，從而限制了文本特征詞提取的精確度。
　　 本體具有良好的概念層次結構和對邏輯推理的支持，并能夠通過概念層次圖表示概念術語間的關聯(lián)關系。

2、為了優(yōu)化傳統(tǒng)的文本特征詞提取方法，將本體引入到文本特征詞提取中，并構建了適合論文實驗的兩個簡單領域本體，通過改進現(xiàn)有的語義相似度和語義相關度計算方法得到一種本體關聯(lián)度計算方法，利用該計算方法計算領域本體中概念之間的本體關聯(lián)度。
　　 本文提出一種利用本體關聯(lián)度改進的文本特征詞提取方法。該方法首先利用傳統(tǒng)的TF-IDF 方法構建候選特征詞集合和非候選特征詞集合，然后根據(jù)領域本體知識在非候選特征詞集合中提取候選特征詞的本體關聯(lián)詞；再