[发明专利]一种基于词性标注的文档相似性度量方法有效
| 申请号： | 201810857156.X | 申请日： | 2018-07-31 |
| 公开（公告）号： | CN109062899B | 公开（公告）日： | 2021-10-15 |
| 发明（设计）人： | 陈小军;王大魁;时金桥;白离;胡兰兰;文新;张闯 | 申请（专利权）人： | 中国科学院信息工程研究所 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F40/284 |
| 代理公司： | 北京君尚知识产权代理有限公司 11200 | 代理人： | 司立彬 |
| 地址： | 100093 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于词性标注的文档相似性度量方法。本方法为：1)对于两待分析的文档doc1、doc2，使用词性标注工具对文档doc1、doc2进行词性标注，得到文档的词性标签，对词性标签进行编码，得到词性标签向量；2)根据文档doc1、doc2的词性标签分布和单词分布度量两文档doc1、doc2之间的距离；3)根据两文档doc1、doc2之间的距离确定两文档doc1、doc2之间的相似度。本发明使得文本之间的距离度量更加精确，可以被应用在信息检索、文本分类等自然语言处理任务中，能够大大提高文本分类任务的准确率。 | ||
| 搜索关键词： | 一种 基于 词性 标注 文档 相似性 度量 方法 | ||
【主权项】：
1.一种基于词性标注的文档相似性度量方法，其步骤包括：1)对于两待分析的文档doc1、doc2，使用词性标注工具对文档doc1、doc2进行词性标注，得到文档的词性标签，对词性标签进行编码，得到词性标签向量；2)根据文档doc1、doc2的词性标签分布和单词分布度量两文档doc1、doc2之间的距离；3)根据两文档doc1、doc2之间的距离确定两文档doc1、doc2之间的相似度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院信息工程研究所，未经中国科学院信息工程研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810857156.X/，转载请声明来源钻瓜专利网。
- 上一篇：特征词去重方法、装置、设备及其存储介质
- 下一篇：一种朋友圈生成方法及装置
