基于Word2vec的句子语义相似度计算研究

被引：56

作者：

李晓 ^{[1
]}

解辉 ^{[2
]}

李立杰 ^{[3
]}

机构：

[1] 安阳师范学院计算机与信息工程学院

[2] 清华大学计算机科学与技术系

[3] 北京理工大学软件学院

来源：

计算机科学 | 2017年 / 44卷 / 09期

关键词：

句子相似度; word2vec; 词向量; 语义; 句法结构;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

word2vec利用深度学习的思想,可以从大规模的文本数据中自动学习数据的本质信息。因此,借助哈尔滨工业大学的LTP平台,设计利用word2vec模型将对句子的处理简化为向量空间中的向量运算,采用向量空间上的相似度表示句子语义上的相似度。此外,将句子的结构信息添加到句子相似度计算中,并就特殊句式对算法进行了改进,同时考虑到了词汇之间的句法关系。实验结果表明,该方法更准确地揭示了句子之间的语义关系,句法结构的提取和算法的改进解决了复杂句式的相似度计算问题,提高了相似度计算的准确率。

引用

页码：256 / 260

页数：5

共 10 条

[1] 基于FCA和Word2vec的异构资源本体构建研究 [J].

李端明 ;

韦炼 .

情报科学 , 2017, (03) :69-75

[2] 面向短文本的情感折射模型 [J].

张乐 ;

闫强 ;

吕学强 .

情报学报, 2017, (02) :180-189

[3] 面向迁移学习的文本特征对齐算法 [J].

魏晓聪 ;

林鸿飞 .

计算机工程, 2017, 43 (02) :215-219+226

[4] 基于word2vec的互联网商品评论情感倾向研究 [J].

黄仁 ;

张卫 .

计算机科学, 2016, 43(S1) (S1) :387-389

[5] 基于word2vec的大中华区词对齐库的构建 [J].

王明文 ;

徐雄飞 ;

徐凡 ;

李茂西 .

中文信息学报, 2015, (05) :76-83

[6] 一种基于知网的句子相似度计算方法 [J].

程传鹏 ;

吴志刚 .

计算机工程与科学, 2012, 34 (02) :172-175

[7]

基于句子的文本表示及中文文本分类研究[J]. 何维,王宇.情报学报. 2009 (06)

[8]

SemPathFinder: Semantic path analysis for discovering publicly unknown knowledge[J] . Min Song,Go Eun Heo,Ying Ding.Journal of Informetrics . 2015 (4)

[9] Chinese comments sentiment classification based on word2vec and SVMperf [J].

Zhang, Dongwen ;

Xu, Hua ;

Su, Zengcai ;

Xu, Yunfeng .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (04) :1857-1863

[10] Natural language scripting within conversational agent design [J].

O'Shea, Karen .

APPLIED INTELLIGENCE, 2014, 40 (01) :189-197

← 1 →