[發明專利]一種網絡論壇消息的內容相似度測量方法及系統

在審

• 申請號: 201810102058.5
• 申請日: 2018-02-01
• 公開（公告）號: CN108319690A
• 公開（公告）日: 2018-07-24
• 發明（設計）人: 姚俊萍;李曉軍;沈濤;李新社
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王戈

1.一種網絡論壇消息的內容相似度測量方法，其特征在于，所述測量方法包括：

獲取基準文本消息d和網絡輿情管控的具體需求參數；

根據所述基準文本消息d和所述網絡輿情管控的具體需求參數，建立用戶詞典Dictionary＝{t₁,t₂,...,t_M}，其中，M為所述用戶詞典的維數，t_j表示所述基準文本消息d中的第j個關鍵中文實詞，j的取值為1,2,...，M；

分別以所述關鍵中文實詞t_j為關鍵詞檢索網絡論壇消息，獲得測試文本消息集合D＝{d₁,d₂,...,d_N}，其中，N表示所述測試文本消息的條數，d_k表示第k條測試文本消息，k的取值為1,2,3,...,N；

統計所述關鍵中文實詞在所述基準文本消息d中出現的頻率獲得基準關鍵詞頻率向量

根據所述基準關鍵詞頻率向量計算所述基準文本消息d的狀態向量，獲得基準狀態向量所述基準狀態向量用于表征所述基準文本消息d的文本特征；其中，s_l表示所述基準文本消息d的第l個文本特征，l的取值為1,2,...,M，i的取值為1,2,...,M；

統計所述關鍵中文實詞在所述測試文本消息d_k中出現的頻率獲得測試關鍵詞頻率向量

根據所述測試關鍵詞頻率向量計算所述測試文本消息d_k的狀態向量，獲得測試狀態向量所述測試狀態向量S_k用于表征所述測試文本消息d_k的文本特征；其中，表示第k條所述測試文本消息d_k的第l個文本特征，l的取值為1,2,...,M；

根據所述測試狀態向量和所述基準狀態向量計算所述測試文本消息d_k與所述基準文本消息d之間的內容的相似度。

2.根據權利要求1所述的一種網絡論壇消息的內容相似度測量方法，其特征在于，所述根據所述測試狀態向量和所述基準狀態向量計算所述測試文本消息d_k與所述基準文本消息d之間的內容的相似度具體包括：

根據所述測試狀態向量和所述基準狀態向量計算所述測試文本消息d_k與所述基準文本消息d之間的內容差異度

根據所述內容差異度計算所述測試文本消息d_k與所述基準文本消息d之間的內容相似度

sim_k＝1/divergence_k。

3.根據權利要求1所述的一種網絡論壇消息的內容相似度測量方法，其特征在于，在所述根據所述測試狀態向量和所述基準狀態向量計算所述測試文本消息d_k與所述基準文本消息d之間的內容的相似度之后，所述測量方法還包括：

判斷所述內容相似度是否小于相似度閾值，如果是，所述測試文本消息d_k與所述基準文本消息d的內容不相似；否則，所述測試文本消息d_k與所述基準文本消息d的內容相似。

4.一種網絡論壇消息的內容相似度測量系統，其特征在于，所述測量系統包括：

獲取模塊，用于獲取基準文本消息d和網絡輿情管控的具體需求參數；

詞典建立模塊與所述獲取模塊連接，所述詞典建立模塊用于根據所述基準文本消息d和所述網絡輿情管控的具體需求參數，建立用戶詞典Dictionary＝{t₁,t₂,...,t_M}，其中，M為所述用戶詞典的維數，t_j表示所述基準文本消息d中的第j個關鍵中文實詞，j的取值為1,2,...，M；

檢索模塊與所述詞典建立模塊連接，所述檢索模塊用于分別以所述關鍵中文實詞t_j為關鍵詞檢索網絡論壇消息，獲得測試文本消息集合D＝{d₁,d₂,...,d_N}，其中，N表示所述測試文本消息的條數，d_k表示第k條測試文本消息，k的取值為1,2,3,...,N；

基準統計模塊分別與所述獲取模塊和所述詞典建立模塊連接，所述基準統計模塊用于統計所述關鍵中文實詞在所述基準文本消息d中出現的頻率獲得基準關鍵詞頻率向量

基準狀態向量計算模塊與所述基準統計模塊連接，所述基準狀態向量計算模塊用于根據所述基準關鍵詞頻率向量計算所述基準文本消息d的狀態向量，獲得基準狀態向量所述基準狀態向量用于表征所述基準文本消息d的文本特征；其中，s_l表示所述基準文本消息d的第l個文本特征，l的取值為1,2,...,M，i的取值為1,2,...,M；

測試統計模塊與所述檢索模塊連接，所述測試統計模塊用于統計所述關鍵中文實詞在所述測試文本消息d_k中出現的頻率獲得測試關鍵詞頻率向量

測試狀態向量計算模塊與所述測試統計模塊連接，測試狀態向量計算模塊用于根據所述測試關鍵詞頻率向量計算所述測試文本消息d_k的狀態向量，獲得測試狀態向量

所述測試狀態向量用于表征所述測試文本消息d_k的文本特征；其中，表示第k條所述測試文本消息d_k的第l個文本特征，l的取值為1,2,...,M；

相似度計算模塊分別與所述測試狀態向量計算模塊和所述基準狀態向量計算模塊連接，所述相似度計算模塊用于根據所述測試狀態向量

和所述基準狀態向量計算所述測試文本消息d_k與所述基準文本消息d之間的內容的相似度。