主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
刘震,陈晶,郑建宾,华锦芝,肖淋峰.中文短文本聚合模型研究.软件学报,2017,28(10):2674-2692
中文短文本聚合模型研究
Research on Aggregation Model for Chinese Short Texts
投稿时间:2016-03-03  修订日期:2016-09-07
DOI:10.13328/j.cnki.jos.005147
中文关键词:  中文短文本  聚合模型  文本相似度  广义Jaro-Winkler算法  快速匹配  精细匹配
英文关键词:Chinese short text  aggregation model  similarity of text  generalized Jaro-Winkler  fast matching  refined matching
基金项目:国家自然科学基金(61300018);中国银联-电子科技大学-金融大数据研究项目
作者单位E-mail
刘震 电子科技大学 计算机科学与工程学院 互联网科学中心, 四川 成都 611731
电子科技大学 大数据研究中心, 四川 成都 611731 
quake@uestc.edu.cn 
陈晶 电子科技大学 计算机科学与工程学院 互联网科学中心, 四川 成都 611731  
郑建宾 中国银联股份有限公司 电子支付研究院, 上海 201201  
华锦芝 中国银联股份有限公司 电子支付研究院, 上海 201201  
肖淋峰 电子科技大学 计算机科学与工程学院 互联网科学中心, 四川 成都 611731  
摘要点击次数: 989
全文下载次数: 960
中文摘要:
      中文短文本聚合的目的是将两个数据集中属于同一对象的短文本信息进行匹配关联,同时要避免匹配不属于同一对象的短文本信息,这项研究对于多源异构的短文本数据资源整合具有重要的理论和现实意义.提出了一种有效的中文短文本聚合模型,通过快速匹配和精细匹配两个关键步骤可以大幅度降低匹配的候选对数量,并保证匹配的精度.针对传统短文本相似度算法的不足,提出了一种新颖的广义Jaro-Winkler相似度算法,并从理论上分析了该算法的参数特性.通过对不同数据集上的商户信息数据进行聚合实验,结果表明,新算法与传统算法相比,在匹配准确率和稳定性上具有最优的性能.
英文摘要:
      Aggregation task for Chinese short texts is to associate a pair of similar short texts together.The pair needs to belong to same entity in two data sets.Such study has important theoretical and practical interests for data resource integration across different fields.In this article, an effective aggregation model is devised for Chinese short text.The model is able to decrease the volume of candidate pairs sharply for matching and ensure the matching accuracy via two key steps, namely fast matching and refined matching.Meanwhile, aiming to the deficiency of the traditional similarity algorithms for short text, an improved similarity algorithm, called generalized Jaro-Winkler is proposed.The aggregation experiments performed on different merchant data sets suggest that the new algorithm has the best performance both in matching accuracy and stability compared with those traditional algorithms.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利