导读:本文包含了语义相关度论文开题报告文献综述及选题提纲参考文献，主要关键词:地名本体,相关度,语义检索,语义距离
语义相关度论文文献综述
索俊锋,郑海晨[1]（2019）在《基于地名本体的加权语义相关度算法研究》一文中研究指出针对现有地理数据空间检索方法以简单字面匹配为核心、缺乏推理能力等问题,根据地理信息科学中的空间拓扑理论,提出一种基于地名本体的加权相关度算法.该算法考虑到不同的空间拓扑关系在语义检索应用中的重要程度不同,从而赋予地理空间本体关系不同的权值,并体现了其与语义距离的反比关系.通过地名本体实例验证,表明经加权后的语义相关度算法在语义检索应用中可以达到更好的检索效果.(本文来源于《西北民族大学学报(自然科学版)》期刊2019年03期）
高永兵,宋添树,李江宇,马占飞[2]（2019）在《基于知网的个人微博语义相关度的聚类研究》一文中研究指出聚类相关度大的个人微博有助于快速了解博主的专业兴趣和经历,目前的短文本聚类方法缺乏对于语义和句子相关度的充分考虑,提出了一种基于知网的个人微博语义相关度的聚类方法。其要点如下:(1)利用Skip-gram训练大量微博文本生成词汇向量;(2)根据词汇义原进行句内词汇消除歧义;(3)分别计算个人微博之间词汇和句子的相似度并将其综合得到博文相关度;(4)根据博文相关度进行个人微博的聚类。实验表明,相较于层次聚类法、密度聚类法,本文算法的准确度有明显提高。(本文来源于《计算机工程与科学》期刊2019年06期）
周昆,王钊,于碧辉[3]（2019）在《基于语义相关度主题爬虫的语料采集方法》一文中研究指出针对特定领域语料采集任务,设计了基于语义相关度主题爬虫的语料采集方法.根据选定的主题词,利用页面描述信息,基于维基百科中文语料训练出的词分布式表示综合HowNet计算页面信息相关度,结合URL的结构信息预测未访问URL链指的页面内容与特定领域的相关程度.实验表明,系统能够有效的采集互联网中的党建领域页面内容作为党建领域生语料,在党建领域网站上的平均准确率达到94.87%,在门户网站上的平均准确率达到64.20%.(本文来源于《计算机系统应用》期刊2019年05期）
周兵,孟慧君,王栋[4]（2018）在《基于本体的语义相关度研究》一文中研究指出在当今信息和网络高速发展的时代,检索技术的应用无处不在。传统的基于关键字匹配的检索方法越来越无法满足用户的需求,而语义检索的出现为检索领域的发展注入新的活力。以本体和语义为基础,通过对本体中多个概念及属性间关系的研究分析,在原有语义相关度算法基础上进行优化,提出新的语义相关度计算方法,为语义检索创造条件,并通过实验证实该算法的有效性。(本文来源于《现代计算机(专业版)》期刊2018年32期）
孟禹光[5]（2018）在《基于语义相关度计算的词义消歧》一文中研究指出词义消歧是自然语言处理领域的难点之一,有着广泛的应用。其中有监督词义消歧系统在公开评测中表现最好,但是需要大量的人工标注语料。语义相关度是一种重要的语义特征,它的质量直接影响到词义消歧的结果,相关度计算的难点主要在于研究出与人类认知水平接近的计算方法。考虑到中英文现有的资源不同,提出了不同的语义相关度计算方法。针对中文,提出了一种基于知网计算语义相关度方法,并在此基础之上进行词义消歧。该方法利用知网提供的知网推理机和义原,计算语义相关度。充分地利用了知网对语义的结构化定义及其他现有资源。针对英文,提出了一种利用引入词性特征的语境向量计算语义相关度方法,并在此基础之上进行词义消歧。通过引入词性特征的深度学习模型计算语境向量,使用待消歧句与例句的语境向量计算语义相关度,改进后的语义相关度算法得到了较好的消歧效果。在以上方法基础上,提出了一种将语义相关度与有监督的词义消歧结合的方法。对于中文,将用知网计算出的语义相关度与有监督学习结合;对于英文,将用语境向量计算出的语义相关度与有监督学习结合。在结合之后,在中文和英文中词义消歧效果均得到了显着提升。用Sem Eval、Senseval公开评测集进行性能评价,结合方法得到了较好的消歧效果。(本文来源于《沈阳航空航天大学》期刊2018-03-05）
张仰森,郑佳,李佳媛[6]（2018）在《一种基于语义关系图的词语语义相关度计算模型》一文中研究指出词语的语义计算是自然语言处理领域的重要问题之一,目前的研究主要集中在词语语义的相似度计算方面,对词语语义的相关度计算方法研究不够.为此,本文提出了一种基于语义词典和语料库相结合的词语语义相关度计算模型.首先,以HowNet和大规模语料库为基础,制定了相关的语义关系提取规则,抽取了大量的语义依存关系;然后,以语义关系叁元组为存储形式,构建了语义关系图;最后,采用图论的相关理论,对语义关系图中的语义关系进行处理,设计了一个基于语义关系图的词语语义相关度计算模型.实验结果表明,本文提出的模型在词语语义相关度计算方面具有较好的效果,在Word Similarity-353数据集上的斯皮尔曼等级相关系数达到了0.5358,显着地提升了中文词语语义相关度的计算效果.(本文来源于《自动化学报》期刊2018年01期）
吴勇,刘钰峰[7]（2017）在《基于相关度的局部潜在语义分析算法研究》一文中研究指出针对现有的web文本分类与表示方法中出现的各种分类效果与性能优化等问题,提出基于局部潜在语义分析的理论原理,利用支持向量机分类优势,设计出一种基于文档与类别之间相关度的生成局部区域的算法,即S-LLSA。该算法在语义分析使用矩阵的奇异值分解过程中引入不同类别信息,分析特征词的局部特征,使用支持向量机分类器计算文本对类别的相关度参数,并应用于局部区域生成过程。通过实验表明,S-LLSA算法有效解决了局部区域如何进行局部奇异值分解问题,极大改进了web文本分类效果与优化问题,更好地表示了web文本潜在语义空间。(本文来源于《控制工程》期刊2017年08期）
陈小红,潘懋,史艳丽,李晨阳,张驰[8]（2017）在《基于领域约束本体的语义相关度计算研究》一文中研究指出语义相关度计算是信息检索、文档分类和聚类、推荐系统、机器学习等诸多领域的关键技术之一。研究基于地学领域本体,综合考虑了本体层级信息量、本体拓扑结构等基础上,引入约束性本体,实现相关度计算算法。实验结果表明,加入约束性本体条件下实现的算法,相关度计算结果明显提高。(本文来源于《科学技术与工程》期刊2017年19期）
郭少茹,张虎,钱揖丽,李茹,杨陟卓[9]（2017）在《面向高考阅读理解的句子语义相关度》一文中研究指出高考阅读理解选择题是基于背景材料,通过对材料的"理解"从多个选项中选出最佳选项。由于提供的背景材料相对较短且关键信息极具隐藏性,答案可能无法在背景材料中直接找到,因此从背景材料中挖掘信息并与选项进行相关性分析是解答该类问题的关键,而句子级的语义相关性分析是背景材料与选项相关性分析的基础。该文通过对大量高考科技文文意理解类选择题进行分析,提出基于多维度投票算法的句子语义相关度计算方法。该方法将不同维度的语义相关性作为度量标准,运用投票算法的思想,选取问题的最佳选项。在近十年北京市高考真题上进行测试,解答准确率为53.84%,验证了该方法的有效性。(本文来源于《清华大学学报(自然科学版)》期刊2017年06期）
肖宝,李璞,曲艺,胡文君[10]（2017）在《基于语义相关度和频繁项集挖掘的文本分类》一文中研究指出为丰富和更好识别文本的特征以提高分类精度,采用一种新的算法CBAFIS(classifier based ESA and frequent item sets):首先引入基于有着内容丰富、更新速度快特点的维基百科而设计的ESA算法对训练文本中特征与维基中的概念进行语义相关度计算,把相关度最高的若干概念对词袋进行特征扩展;然后以扩展后的文档为事务、文档中的概念为项,构建FP-Tree,利用FP-Growth挖掘不同类别文本的特征频繁项集;最后将频繁项集结合Naive Bayes算法构建一个文本分类器。实验表明:新的方法在进行语义扩展后的正确率、召回率在最优的情况下分别比Native Bayes和SVM算法高出2.7%和2.6%以上,具有更高的精度。(本文来源于《钦州学院学报》期刊2017年05期）
语义相关度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
聚类相关度大的个人微博有助于快速了解博主的专业兴趣和经历,目前的短文本聚类方法缺乏对于语义和句子相关度的充分考虑,提出了一种基于知网的个人微博语义相关度的聚类方法。其要点如下:(1)利用Skip-gram训练大量微博文本生成词汇向量;(2)根据词汇义原进行句内词汇消除歧义;(3)分别计算个人微博之间词汇和句子的相似度并将其综合得到博文相关度;(4)根据博文相关度进行个人微博的聚类。实验表明,相较于层次聚类法、密度聚类法,本文算法的准确度有明显提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义相关度论文参考文献
[1].索俊锋,郑海晨.基于地名本体的加权语义相关度算法研究[J].西北民族大学学报(自然科学版).2019
[2].高永兵,宋添树,李江宇,马占飞.基于知网的个人微博语义相关度的聚类研究[J].计算机工程与科学.2019
[3].周昆,王钊,于碧辉.基于语义相关度主题爬虫的语料采集方法[J].计算机系统应用.2019
[4].周兵,孟慧君,王栋.基于本体的语义相关度研究[J].现代计算机(专业版).2018
[5].孟禹光.基于语义相关度计算的词义消歧[D].沈阳航空航天大学.2018
[6].张仰森,郑佳,李佳媛.一种基于语义关系图的词语语义相关度计算模型[J].自动化学报.2018
[7].吴勇,刘钰峰.基于相关度的局部潜在语义分析算法研究[J].控制工程.2017
[8].陈小红,潘懋,史艳丽,李晨阳,张驰.基于领域约束本体的语义相关度计算研究[J].科学技术与工程.2017
[9].郭少茹,张虎,钱揖丽,李茹,杨陟卓.面向高考阅读理解的句子语义相关度[J].清华大学学报(自然科学版).2017
[10].肖宝,李璞,曲艺,胡文君.基于语义相关度和频繁项集挖掘的文本分类[J].钦州学院学报.2017