[发明专利]一种基于核函数的文档相似检测方法

摘要

本发明公开了一种基于核函数的文档相似检测方法，它属于信息检索技术领域，主要解决文本检索的综合评价效果不好的问题。其步骤为：1建文档集合即文集，其词项组成的集合构成词典，大小为N；2将待比对的文档dX和dZ表示成文本向量和；3通过两文本向量间的乘积和欧氏距离来描述二者的相似程度，构造了适合文档相似检测的新的S_Wang核函数，式中σ(σ>0)为宽度参数，用来控制函数的径向作用范围，调节由于词语不同导致两篇文档距离对相似度的影响程度；4通过构造的该核函数完成文档相似检测的任务。该方法具有检测精准率、招回率高和综合表现好的优点，可用于文本的相似度计算、文本分类、文本信息过滤、模式识别与人工智能。

主权项

一种基于核函数的文档相似检测方法，其特征包括以下步骤：输入及预处理步骤：构造文档集合，即文集，文集中所有的词项组成的集合为词典，大小为N；将待比对的文档dX和dZ经过特征映射后进行向量表示成文本向量x和z；核函数构造步骤：结合文档相似检测过程中的具体实际，通过两文本向量间的乘积和欧氏距离来描述二者的相似程度，从而构造适合文档相似检测的新的S_Wang核函数 k ( x , z ) = x T z x T z + | | x - z | | 2 σ ; 相似计算步骤：通过构造的核函数计算文本的相似度，从而进行文档相似检测。