用于文本相似度计算的新核函数.pdfVIP

第33 卷第12 期 通 信 学 报 Vol.33 No. 12 2012 年12 月 Journal on Communications December 2012 doi:10.3969/j.issn.1000-436x.2012.12.006 用于文本相似度计算的新核函数 1,2,3 4 王秀红 ，鞠时光 (1. 江苏大学 科技信息研究所，江苏 镇江 212013 ；2. 江苏大学 理学院，江苏 镇江 212013 ； 3. 加州大学戴维斯分校 农业与环境科学学院，加利福尼亚州 戴维斯 95616 ；4. 江苏大学 计算机科学与通信工程学院，江苏 镇江 212013) 摘 要：为了提高文本相似检测的综合表现，在文本文档相似特征的基础上构造了新的核函数S_Wang 核函数。 结合文本相似计算过程中的实际情况，将待比对的文本表示成向量，考虑通过2 个向量间的乘积和欧氏距离来描 述向量之间的相似程度，从而构造了适合文本相似度计算的新核函数，并根据 Mercer 定理证明了所构造函数可 以作为核函数。实验验证了新构造的核函数在文本文档相似度计算中的表现，实验结果表明S_Wang 核其相似度 计算精度和综合指标均分别优于Cauchy 核、潜在语义核（LSK ）以及CLA 复合核。S_Wang 核适用于文本相似 度计算。 关键词：信息检索；文本相似度；核函数；S_Wang 核; 潜在语义核；Cauchy 核；CLA 复合核 中图分类号：TP312 文献标识码：A 文章编号：1000-436X(2012)12-0043-06 Novel kernel function for computing the similarity of text WANG Xiu-hong1,2,3, JU Shi-guang4 (1. Institute of Science and Technology Information, Jiangsu University, Zhenjiang 212013, China; 2. Faculty of Science, Jiangsu University, Zhenjiang 212013, China; 3. College of Agricultural and Environmental Sciences, University of California-Davis, Davis 95616, USA; 4. School of Computer Science and Telecommunication Engineering, Jiangsu University, Zhenjiang 212013, China) Abstract: To enhance the performance of detecting similar documents, a novel kernel function named S_Wang kernel was constructed. Based on the actual situation of computing text similarity, the S_Wang kernel was ne