[發明專利]一種基于多重余弦定理的文章相關度計算方法

在審

• 申請號: 201810859907.1
• 申請日: 2018-08-01
• 公開（公告）號: CN109086271A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 龍華;祁俊輝;彭藝;杜慶治
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多重余弦定理的文章相關度計算方法，其特征在于：

Step0：獲取文章集合{X₁,X₂…X_p}，對文章X,X∈{X₁,X₂…X_p}進行預處理，并建立動態文章數據庫，具體如Step0.1～Step0.4所示；

Step0.1：對文章X進行分詞、去停用詞、同義詞替換操作，生成文章的實意詞集合X:{x₁,x₂…x_m}；

Step0.2：以TFIDF值為主，該文章中出現該詞的詞頻、詞性、詞長為輔，遍歷Step0.1中得到的實意詞集合X:{x₁,x₂…x_m}，對每個實意詞x_i,i∈[1,m]求其權重，并生成實意詞權重集合Y:{y₁,y₂…y_m}；

Step0.3：以實意詞x_i,i∈[1,m]為key，權重y_i,i∈[1,m]為value，對Step0.2中得到的實意詞權重y_i,i∈[1,m]排序，選取權重最高的n個實意詞作為關鍵詞，并生成關鍵詞集合X':{x₁',x₂'…x_n'}和關鍵詞權重集合Y':{y₁',y₂'…y_n'}；

Step0.4：將文章X、實意詞集合X:{x₁,x₂…x_m}、實意詞權重集合Y:{y₁,y₂…y_m}、關鍵詞集合X':{x₁',x₂'…x_n'}及關鍵詞權重集合Y':{y₁',y₂'…y_n'}作為元組加入文章數據庫；

Step1：從文章數據庫中獲取待比較文章T和比較文章H；

Step2：以待比較文章T的實意詞集合X_T:{t₁,t₂…t_m}和實意詞權重集合Y_T:{y₁,y₂…y_m}，生成實意詞特征向量F_T＝{f_t1,f_t2…f_tg}，同樣對比較文章H也以此生成實意詞特征向量F_H＝{f_h1,f_h2…f_hg}，由余弦定理計算公式(1)確定待比較文章T與比較文章H之間的實意詞相關度R₁(T,H)；

Step3：以待比較文章T的關鍵詞集合X_T':{t₁',t₂'…t_n'}和關鍵詞權重集合Y_T':{y₁',y₂'…y_n'}，生成關鍵詞特征向量F_T'＝{f_t'1,f_t'2…f_t'g}，同樣對比較文章H也以此生成關鍵詞特征向量F_H'＝{f_h'1,f_h'2…f_h'g}，由余弦定理計算公式(2)確定待比較文章T與比較文章H之間的關鍵詞相關度R₂(T,H)；

Step4：依照公式(3)計算待比較文章T與比較文章H之間的最終相關度R(T,H)，其中γ為閾值參數；