摘要随着文本信息的迅猛增长，数据挖掘已成为知识发现的重要方法。短文本相似性（short text similarity，STSim）度量是数据挖掘研究的重要技术。为了更好的提高短文本相似性度量精度，本文提出了基于加权网络改进的中文短文本相似性度量的一种新模型。首先，基于词语间的共现频次对语义网络进行加权，利用加权复杂网络表征短文本；其次，考虑短文本加权复杂网络权重识别度低的特点及每个词语节点的位置，计算短文本中每个词语的加权复杂网络综合特征值；最后，根据新模型计算短文本相似性，并通过聚类实验评价其优劣。实验结果表明，新提出的相似性度量模型优于STSim模型。
牛奉高, 高旭霞. 基于加权网络改进的中文短文本相似性度量模型[J]. 情报学报, 2021, 40(3): 278-285.
Niu Fenggao, Gao Xuxia. An Improved Similarity Measurement Model for Chinese Short Texts Based on Weighted Network. 情报学报, 2021, 40(3): 278-285.
1 李志宇, 梁循, 周小平. 基于属性主题分割的评论短文本词向量构建优化算法[J]. 中文信息学报, 2016, 30(5): 101-110, 120. 2 Lintean M, Rus V. Measuring semantic similarity in short texts through greedy pairing and word semantics[C]// Proceedings of the Twenty-Fifth International Florida Artificial Intelligence Research Society Conference, 2012. 3 Bickmore T, Giorgino T. Health dialog systems for patients and consumers[J]. Journal of Biomedical Informatics, 2006, 39(5): 556-571. 4 Cassell J. Embodied conversational agents: representation and intelligence in user interfaces[J]. AI Magazine, 2001, 22(4): 67-83. 5 Graesser A C, Chipman P, Haynes B C, et al. AutoTutor: an intelligent tutoring system with mixed-initiative dialogue[J]. IEEE Transactions on Education, 2005, 48(4): 612-618. 6 华秀丽, 朱巧明, 李培峰. 语义分析与词频统计相结合的中文文本相似度量方法研究[J]. 计算机应用研究, 2012, 29(3):833-836. 7 詹志建, 杨小平. 基于语言网络和语义信息的文本相似度计算[J]. 计算机工程与应用, 2014, 50(5): 33-38. 8 Salton G, Wong A, Yang C S. A vector space model for automatic indexing[J]. Communications of the ACM, 1975, 18(11): 613-620. 9 秦兵, 刘挺, 王洋, 等. 基于常问问题集的中文问答系统研究[J]. 哈尔滨工业大学学报, 2003, 35(10): 1179-1182. 10 熊大平, 王健, 林鸿飞. 一种基于LDA的社区问答问句相似度计算方法[J]. 中文信息学报, 2012, 26(5): 40-45. 11 王荣波, 谌志群, 周建政, 等. 基于Wikipedia的短文本语义相关度计算方法[J]. 计算机应用与软件, 2015, 32(1): 82-85, 92. 12 荆琪, 段利国, 李爱萍, 等. 基于维基百科的短文本相关度计算[J]. 计算机工程, 2018, 44(2): 197-202. 13 章成志. 基于多层特征的字符串相似度计算模型[J]. 情报学报, 2005, 24(6): 696-701. 14 金博, 史彦军, 滕弘飞. 基于语义理解的文本相似度算法[J]. 大连理工大学学报, 2005, 45(2): 291-297. 15 马慧芳, 刘文, 李志欣, 等. 融合耦合距离区分度和强类别特征的短文本相似度计算方法[J]. 电子学报, 2019, 47(6): 1331-1336. 16 Ferrer i Cancho R, Solé R V. The small world of human language[J]. Proceedings of the Royal Society B: Biological Sciences, 2001, 268(1482): 2261-2265. 17 韦洛霞, 李勇, 李伟, 等. 汉字网络的3度分隔与小世界效应[J]. 科学通报, 2004, 49(24): 2615-2616. 18 赵鹏, 蔡庆生, 王清毅, 等. 一种基于复杂网络特征的中文文档关键词抽取算法[J]. 模式识别与人工智能, 2007, 20(6): 827-831. 19 杨志墨, 刘怀亮, 赵辉. 一种基于复杂网络的中文文本表示算法[J]. 现代图书情报技术, 2014(11): 38-44. 20 Zhan Z J, Lin F, Yang X P. Semantic similarity calculation of short texts based on language network and word semantic information[C]// Proceedings of the Advanced Computer Architecture. Heidelberg: Springer, 2014, 451: 215-228. 21 涂从良, 吴明功, 温祥西. 基于接近度与评价矩阵的关键机场节点识别[J]. 火力与指挥控制, 2017, 42(10): 172-176, 182. 22 朱新华, 马润聪, 孙柳, 等. 基于知网与词林的词语语义相似度计算[J]. 中文信息学报, 2016, 30(4): 29-36. 23 Karypis G. CLUTO: a clustering toolkit[R/OL]. (2003-11-28). http://glaros.dtc.umn.edu/gkhome/fetch/sw/cluto/manual.pdf. 24 杨秀璋. 基于LDA模型和文本聚类的水族文献主题挖掘研究[J]. 现代计算机(专业版), 2019(5): 13-17.
