语义相似度

摘要： 考虑到传统信息检索算法在检索数字文献推广信息时存在安全性差、检索效率低的问题,提出了基于语义相似度的数字文献推广信息智能检索算法.基于数字文献检索信息文档,计算了数字文献推广信息中检索词的相关度,根据语义相似度,计算数字文献推广信息的权重值,利用数字文献推广信息数据库的查询结果,结合李雅普诺夫定理,提取数字文献推广信息关键特征,根据采集原始数据集的时间,计算数字文献推广信息的平均检索概率,利用过滤器清理数字文献数据库的局部推广信息,采用全局过滤器,清洗数字文献数据库的推广信息,通过定义数字文献推广信息检索元素值,计算了关键词之间的语义相似度,结合数字文献推广信息检索算法设计,实现了数字文献推广信息的检索.实验结果表明,基于语义相似度的数字文献推广信息智能检索算法不仅可以提高数字文献推广信息的检索效率,还具有很高的安全性.

摘要： 通过对语文古诗文阅读类主观题的分析,提出了结合学科情感分析与依存关系的相似度评分算法,并将其应用于高中语文古诗文阅读类主观题的评分中。首先,以中文维基百科语料为基础,增加了与评分相关的古诗文语料81 927条,通过文本向量化算法Word2vec进行词向量训练,完成了对古诗文语料库的构建;基于学科评分特性建立了对应的古诗文过滤词表,提出了基于词性的关键词提取及词向量的相似度计算方法;之后,针对情感分析模型对古诗文语句分析不准确的问题,结合同义词词林,建立了古诗文情感词库;并构建了学科情感分析模型,实现了基于学科情感分析的相似度计算方法;最后,通过关键词、学科情感分析以及依存句法分析,从多个维度计算学生答案与标准答案文本之间的加权语义相似度。并将构建的古诗文语料库、古诗文情感词库和学科情感分析模型,用于相似度综合评分算法,以此实现了结合学科情感分析与依存关系的相似度评分算法。实验表明,该算法的平均评分准确率达到了89.42%。

摘要： 文章从问题意识视角出发,以石油术语为基础,引入词向量空间模型的方法展开三个相关实验对机器译文和人工译文进行对比研究,探索机器翻译结果在空间模型中的演绎和呈现。实验结果显示机器翻译对于石油术语的语言翻译准度能达到0.403。文章尝试结合计算机技术、语言学和翻译学等不同领域量化论证两种翻译结果在语义层面的接近和靠拢程度,以期探索评价分析机器翻译系统输出结果质量的新途径。

摘要： 高校中的社团较多,如何能让大学生快速地找到感兴趣的社团,成为社团管理者面临的主要问题。为了向大学生推荐可能喜欢的社团,本项目通过基于协同过滤的推荐算法,找到共同出现的频率来计算语义的相似度,并通过计算空间向量的夹角余弦值进而计算文本之间的相似度,能够在提高社团管理者工作效率的同时,为需要加入社团的学生和对社团文化有浓厚兴趣的学生提供更加全面的信息。实验结果表明,当推荐项目数量为10时,该方法的召回率、准确率和Fl值分别提高了12.81%、7.65%和14.51%,表明基于协同过滤的推荐算法可有效提高推荐结果。

摘要： 地图综合的本质是一种空间相似变换,制图者在相似原则的指导下实施概括,读图者从包含相似性的地图中形成心象地图、重构现实世界。因此,多尺度地图空间中的相似关系研究非常重要。然而,由于相似的可计算性差,且其计算的目的在于揭示更深层次的信息,地图综合中相似关系尤其是语义相似关系的研究相对较少。针对这一问题,本文以语义功能区约束下的大比例尺街区式居民地合并(1∶1750至1∶4000)为例,基于匹配距离模型计算建筑物合并中的语义相似度,得到语义相似度在关键比例尺节点的值,并对结果进行分析、评价。试验表明,语义功能区约束下的建筑物合并符合读图者的地图认知需求,本文所述方法有助于地图更好地发挥信息传输载体的作用。

摘要： 针对目前的领域概念查询聚类方法中未见考虑用户偏好,提出一种支持用户偏好查询的领域概念图模型。该图模型主要包括两部分:基于概念本身考虑,利用综合语义相似度计算方法构建概念的语义关系图;基于用户查询偏好考虑,采用改进的互信息计算用户生成数据间隐含的查询偏好,将其结果用于补全领域概念的语义关系图。这一处理过程使得原有领域概念的语义关系图得到了有益的补充,满足了用户的偏好查询。经实验验证,该算法较现有方法,查准率、查全率以及F-measure值均有所提高且响应时间得到了降低。

摘要： 基于深度学习的短文本语义相似度度量方法是现代自然语言处理任务的基石,其重要性不言而喻。本文提出一种基于卷积神经网络和双向门控循环单元的文本编码模型,通过卷积层提取重要语义并且通过双向门控循环单元保证语义顺序,采用孪生神经网络结构保证文本编码的一致性。选取传统的卷积神经网络和长短期记忆网络以及BERT模型进行对比验证,在Quora、Sick和MSRP数据集上的验证结果表明,本文模型的精确率和召回率表现优异,且F_(1)值也优于传统模型。

摘要： 针对大规模用户提交的语义描述需求存在模糊性、不确定性、需求关系复杂等问题,提出一种大规模用户语义描述需求建模与分析方法。在分析语义描述需求形式和类型的基础上,构建需求模型并制定两阶段需求建模过程。首先合成需求,基于感性词语义相似度聚类非参数型需求,基于参数观点对应的梯形模糊数相似度聚类参数型需求,将语义描述需求转化为标准的需求项;然后,采用两轮评估的方法评估需求间的相关关系,并据此修正需求量和计算需求重要度,根据需求重要度识别关键需求,输出用户群体需求方案。以手持吸尘器的大规模用户语义描述需求建模分析过程为例对该方法进行应用研究,证明了方法的可行性。

摘要： 在科技资源服务交易的过程中,技术需求文本往往存在描述模糊、非结构化等问题,为应对由此引起的服务供需匹配困难的现象,开展面向科技资源服务交易的供需匹配技术研究。提出一种服务供需匹配模型,首先提取技术需求文本的关键词,接着构建技术供给核心库,采用相关模型训练词向量并计算供需文本之间的语义相似度,最后计算出二者的匹配值。对线上电子信息技术领域的供需文本进行测试,计算出给定供需文本之间的匹配值,为实现科技服务交易中的供需对接与供需匹配提供一种新思路。

摘要： 传统电力客服会话正确复述次数较低,问题识别能力随之下降,设计电力智能客服实现技术。提取电力会话语义特征,分类识别各类语义;进行会话语义相似度计算,利用相似函数归一化处理语义相似度;纠正智能会话相似词汇,消除相似会话的识别误差。实验采用对比实验的方式,验证了电力智能客服实现技术的效果更佳。

摘要： 词语的语义相似度计算是语义处理的基础之一,在知识抽取、文本分类、词义排歧、基于实例的机器翻译等各领域有广泛应用.本文通过引入敏感词集的概念即引入领域知识,解决了传统的基于《知网》的相似度计算方法中没有考虑词语间相似度与领域知识相关的不足,实现了对词语在不同知识领域赋予不同的相似度.同时,提出了一种新的义原相似度计算方式,该方法定义了两个义原间三种不同的相对位置关系,并据此给出三种相应的计算方法.实验表明本研究的计算结果更符合《知网》的结构.

摘要： 在研究分类系统和语义相似度的基础上,给出了簇的凝聚度的概念,并提出了一种基于凝聚度的报警处理算法.算法以凝聚度为基础,首先利用改进的二分K均值算法聚合报警,再对聚合结果进行异常提取.实验结果表明,本文提出的算法能有效聚合大量报警、发现异常报警,且聚合结果具有良好的语义和较高的准确性.

摘要： 用户自定义类名和标签是博客站点中用户标注的两种类型.类名与标签有组织与描述博文的作用.通过理解用户自定义类名与标签的特征,博客网站可以更好的利用用户标注结果来组织与描述博文,同时为博客网站提高用户标注质量提供意见.本文旨在比较用户自定义类名和标签的博文描述与分类质量.前者通过标注与博文的主题相关度来衡量;后者则通过计算各标注对应的博文相似度来衡量.结果表明,用户自定义类名与标签在博文描述质量与博文分类质量中存在显著性差异,其中,用户标签的博文描述与分类质量均较好.

摘要： 大数据分析技术成为热点问题,而其中的核心问题之一便是大数据预测.各类在线媒体数据包含了海量的话题信息,针对这些话题数据,本文提出了可以结合语义相似度和时间序列的一种新颖的在线数据预测方法,通过数据分析技术,寻找话题在将来发展趋势、相关性和其他有用的信息.该方法主要基于最邻近查询技术,预测的主要依据是相似的话题会表现出相似的行为.最后针对大量数据的实验结果证明了TSM算法在预测范围14天内的预测差错率在11％～23％.

摘要： 针对科研入员不便在庞大数量级的科研项目中手动寻找合作者的现状,基于关键词提取、文本聚类、语义相似度度量等技术,提出了一种科研人员合作推荐方法,并加以实现.

摘要： 微博作为近年出现的一种新型网络媒体形式,已经成为网络舆论表达的重要方式之一,如何把微博热点话题发现出来,正确的引导网上舆论,是当前的一个紧迫问题.本文考虑微博的特点,引入了语义相似度,提出了一个微博热点话题发现模型,包括数据采集、文本预处理、文本特征选择与表示、构建向量空间模型、相似度计算、聚类等过程.最后对话题簇按权重排名发现热点话题.

摘要： 论文提出了一种基于SAO结构的技术应用领域识别方法.首先提取专利摘要中的应用领域信息,然后利用自然语言处理工具获取其SAO结构,通过SAO结构之间的语义相似度计算,得到根据相似性聚类绘制的专利地图,实现技术应用领域的识别.最后以石墨烯传感器技术为例对所提出的研究方法进行了示范.本文提出的识别方法,可以应用于技术应用领域的划分,为技术跨领域应用研究奠定了基础.

摘要： 随着互联网视频的流行,视频检索的应用愈发广泛,传统检索优化算法的效果难以满足用户需要.为提高视频检索结果重排的语义合理性,引入视频标注技术,对视频内容进行有效客观标记,同时利用词语知识库的语义树结构,将视频标注文本与搜索词以量化形式表现相似度,综合视频标题及相关文本信息得到视频检索序列.利用实验对该方法的有效性进行了验证,增加了网络视频的测试.实验表明该方法的重排序性能有所提高.

摘要： 随着互联网视频的流行,视频检索的应用愈发广泛,传统检索优化算法的效果难以满足用户需要.为提高视频检索结果重排的语义合理性,引入视频标注技术,对视频内容进行有效客观标记,同时利用词语知识库的语义树结构,将视频标注文本与搜索词以量化形式表现相似度,综合视频标题及相关文本信息得到视频检索序列.利用实验对该方法的有效性进行了验证,增加了网络视频的测试.实验表明该方法的重排序性能有所提高.

摘要： 随着互联网视频的流行,视频检索的应用愈发广泛,传统检索优化算法的效果难以满足用户需要.为提高视频检索结果重排的语义合理性,引入视频标注技术,对视频内容进行有效客观标记,同时利用词语知识库的语义树结构,将视频标注文本与搜索词以量化形式表现相似度,综合视频标题及相关文本信息得到视频检索序列.利用实验对该方法的有效性进行了验证,增加了网络视频的测试.实验表明该方法的重排序性能有所提高.

摘要： 相似度计算装置(200)参照存储部，该存储部分别存储与多个第一媒体数据对应的二值化的第一代码。相似度计算装置(200)基于对与第二媒体数据对应的特征向量进行二值化而得到的第二代码被转换为第一代码的概率，分别计算第二媒体数据与各第一媒体数据之间的相似度。

摘要： 提供一种图像相似度计算系统，产生编辑图像和原始图像之间的图像相似度的较大值。局部区域权重计算装置14根据编辑图像中的每一个局部区域的概率，来计算图像中的每一个局部区域的权重值，作为局部区域权重值。局部区域权重计算装置14将所计算的局部区域权重值输出到图像相似度计算装置122。小区域相似度计算装置121将通过分割查询图像得到的每一个小区域的特征量与通过分割参考图像得到的每一个小区域的特征量进行比较。小区域相似度计算装置121计算针对各个小区域的特征量的相似度。图像相似度计算装置122通过将基于小区域的权重值应用于计算出的相似度来计算查询图像和参考图像之间的图像相似度。该权重值是从局部区域权重计算装置14中提供的局部区域权重值中得到的。

摘要： 本发明涉及一种基于深度语义模型与语义角色标注的句子相似度评估方法，将文本字符串映射到低语义空间中的特征向量，利用余弦相似度来度量两个句子之间的相似度；已有的语义角色进行保留，其他的语义角色统一进行处理；根据谓词之间的相似度的大小对句子对进行谓词的配对，得到谓词匹配对，进一步得到语义角色之间的相似计算值；将一个句子的多个谓词中每一谓词的多个语义角色进行语义搭配，计算语义角色的相似度，将深度语义模型计算出的相似度和基于语义角色计算出的相似度两部分进行线性组合作为句子的最终相似度。本发明结合语义角色，比皮尔逊相关系数提升2.226％，比SemEval2017评测官网上排名第一的结果高出0.266％。

摘要： 本发明公开了一种基于人工智能文本语义相似度分析的语义解释方法，包括步骤：步骤1)建立语义解释模型；步骤2)构建语义语料库，按语义解释模型人工标注文本并存储，每个文本对应一条语料；步骤3)统计计算，依据建立的语料库，统计所有词语及其各个语义表示出现的语料数及语料库中的语料总数；步骤4)词语语义转换，对新文本D进行分词及过滤处理后，按需选取若干特征词语进行语义转换，建立向量空间模型V1；步骤5)建立全部文本向量空间模型，对未进行语义转换的词语建立向量空间模型V2，合并V1与V2，得到全文本向量空间模型V；步骤6)对新文本D'重复步骤3、步骤4，得到其向量空间模型V'；步骤7)利用余弦公式，计算文本D与D'相似度。

摘要： 本发明提供了一种基于图像和文本语义相似度的图像语义消歧方法和装置。该方法包括：将一个多义词的一个意思用一个均值向量表示，使用图像显著性标签对待处理图像进行标注，得到待处理图像的标签，将待处理图像的标签和图像内容转换成向量的形式，得到待处理图像的融合向量；使用余弦相似度分别计算出待处理图像的融合向量与每个均值向量之间的相似度，找出相似度最大的均值向量，将该相似性最高的均值向量对应的意思确定为待处理图像的正确解释。本发明采用图像、文本结合的方法，将图像转换为向量，解决了图像翻译和图像查询歧义的问题，并开创性地实现了有效消除图像歧义性。大大提高了图像查询和解释的准确性，降低了图像解释的错误率。

摘要： 本发明涉及用户问句系统技术领域，且公开了一种用于处理语义相似度、语序相似度的用户问句混合系统，包括以下步骤：1)接收客户的语音数据，处理客户语音数据，读取用户语句内容；2)根据用户语句内容，拆分出用户语句中的词语、句子以及段落；3)先对客户语音中的词语进行相似度对比，获知客户语音中词语的语义相似度。本发明的优点在于：通过对比语义相似度与语序相似度识别客户语句表达的意思，未能识别则重新拆分用户语句中的词语、句子以及段落进行语义相似度与语序相似度计算，能够对用户意图的识别更加准确，且通过词语，句子与段落的层层套入识别，可以提高识别效率与识别准确性，通过拆分出用户语句中的词语、句子以及段落，逐步分析计算，可以得到更加精准的用户意图。

摘要： 本发明公开了一种基于语义相似度的案件匹配方法,本发明选择使用Word2Vec模型训练得到案件词向量，它可以自动从训练数据中抽取特征，也就是说抽取特征是模型的一部分，从而忽视案件文本的特殊性；本方法在案件词向量的基础上实现自动抽取案件的关键词，并通过多示例转成单示例，将多个关键词向量转化成案件的fisher向量进行语义相似度计算，使得普通用户只需要输入案件描述或者裁判文书就可以获得相似案件，其可使用性大大增强。

摘要： 本发明公开一种神经网络训练方法、语义相似度计算方法及语义检索系统。神经网络训练方法包括步骤：S1:对句子相似度进行标注；S2:将标注好的二个句子输入神经网络；S3:对二个句子的特征进行处理，计算损失函数；S4:根据损失函数的损失值，对神经网络进行训练。本发明采取的技术方案使用的神经网络训练方法得到的神经网络参数少，检索速度快，能够准确计算出语义相似度，从而能够获取文本的语义信息，从而提高了检索的准确率，适用于高并发、低延迟的需求场景。

摘要： 本申请涉及计算机技术领域，尤其涉及一种语义匹配、语义相似度模型训练方法及装置，获取三元组训练文本样本集，根据所述三元组训练文本样本集，训练语义相似度模型，直至所述语义相似度模型的损失函数收敛，获得训练完成的语义相似度模型，进而获取待匹配文本时，基于已训练的语义相似度模型，以所述待匹配文本和各目标文本为输入，分别确定所述待匹配文本和各目标文本的第一语义相似度，根据确定的各第一语义相似度，确定所述待匹配文本的语义匹配结果，提高了文本语义匹配的准确性。

摘要： 本发明公开了一种基于人工智能文本语义相似度分析的语义解释方法，包括步骤：步骤1)建立语义解释模型；步骤2)构建语义语料库，按语义解释模型人工标注文本并存储，每个文本对应一条语料；步骤3)统计计算，依据建立的语料库，统计所有词语及其各个语义表示出现的语料数及语料库中的语料总数；步骤4)词语语义转换，对新文本D进行分词及过滤处理后，按需选取若干特征词语进行语义转换，建立向量空间模型V