多特征融合的语句相似度计算模型

doi:10.3778/j.issn.1002-8331.2010.26.042

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 136-137.DOI: 10.3778/j.issn.1002-8331.2010.26.042

• 数据库、信号与信息处理 • 上一篇下一篇

多特征融合的语句相似度计算模型

张培颖

中国石油大学（华东）计算机与通信工程学院，山东东营 257061

收稿日期:2009-02-23 修回日期:2009-04-03 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 张培颖

Model for sentence similarity computing based on multi-features combination

ZHANG Pei-ying

College of Computer & Communication Engineering，University of Petroleum（East China），Dongying，Shandong 257061，China

Received:2009-02-23 Revised:2009-04-03 Online:2010-09-11 Published:2010-09-11
Contact: ZHANG Pei-ying

摘要/Abstract

摘要： 句子的相似度计算在自然语言处理的各个领域都占有十分重要的地位。提出了一种多特征融合的句子相似度计算模型，该计算方法把句子的词形、词序、结构、长度、距离和语义这6种特征相似度考虑进来，通过对不同的特征赋予不同的权重来调节各个特征对于句子相似度的贡献，从而使计算结果得到最优。实验结果表明，该方法与其他方法相比，描述句子的信息更加全面，在计算句子相似度方面具有较高的准确率。

关键词: 自然语言处理, 句子相似度, 多特征融合, 结构相似度, 语义相似度

Abstract: Sentence similarity computing is very important in the field of natural language processing.This paper proposes a sentence similarity computing model based on the multi-features combination，it combines the word-form，word-order，structure，length，distance and semantic of the sentences to calculate the similarity between sentences，using the weight to describe the contribution of each feature of the sentence，then gets a better experiment result.Experiment result shows that this approach can fully describe the features of the sentence，and then can get the more accurate result.

Key words: natural language processing, sentence similarity, multi-features combination, structural similarity, semantic similarity

中图分类号:

TP391

张培颖. 多特征融合的语句相似度计算模型[J]. 计算机工程与应用, 2010, 46(26): 136-137.

ZHANG Pei-ying. Model for sentence similarity computing based on multi-features combination[J]. Computer Engineering and Applications, 2010, 46(26): 136-137.

[1]	刘博闻，范春晓. 基于位置感知能力胶囊网络的实体关系提取[J]. 计算机工程与应用, 2021, 57(6): 101-107.
[2]	廖文雄，曾碧，徐雅芸. 结合一维扩展卷积与Attention机制的NLP模型[J]. 计算机工程与应用, 2021, 57(4): 114-119.
[3]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[4]	江洋洋，金伯，张宝昌. 深度学习在自然语言处理领域的研究进展[J]. 计算机工程与应用, 2021, 57(22): 1-14.
[5]	袁勋，刘蓉，刘明. 融合多层注意力的方面级情感分析模型[J]. 计算机工程与应用, 2021, 57(22): 147-152.
[6]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[7]	焦凯楠，李欣，朱容辰. 中文领域命名实体识别综述[J]. 计算机工程与应用, 2021, 57(16): 1-15.
[8]	杨延娇，赵国涛，王丕栋. 基于语义与情感的句子相似度计算方法[J]. 计算机工程与应用, 2021, 57(16): 151-158.
[9]	刘畅，阿布都克力木·阿布力孜，姚登峰，哈里旦木·阿布都克里木. 维吾尔语形态分析研究综述[J]. 计算机工程与应用, 2021, 57(15): 42-61.
[10]	张晓晓，牛福，毛健平，安居白，郭浩. 基于多特征融合与ResNet的海面溢油区识别研究[J]. 计算机工程与应用, 2021, 57(14): 267-274.
[11]	乔伟涛，黄海燕，王珊. 基于Transformer编码器的语义相似度算法研究[J]. 计算机工程与应用, 2021, 57(14): 158-163.
[12]	李智，王震，杨赋庚，奚雪峰. 基于表格的自动问答研究与展望[J]. 计算机工程与应用, 2021, 57(13): 67-76.
[13]	包玥，李艳玲，林民. 抽取式机器阅读理解研究综述[J]. 计算机工程与应用, 2021, 57(12): 25-36.
[14]	何玉洁，杜方，史英杰，宋丽娟. 基于深度学习的命名实体识别研究综述[J]. 计算机工程与应用, 2021, 57(11): 21-36.
[15]	郝超，裘杭萍，孙毅，张超然. 多标签文本分类研究进展[J]. 计算机工程与应用, 2021, 57(10): 48-56.

多特征融合的语句相似度计算模型

Model for sentence similarity computing based on multi-features combination

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics