２０１３年２月 第３３卷第２期 ・现代情报 Ｊｏｕｒｎａｌ ｏｆＭｏｄｅｍＩＩ】ｆ０ ０ｎ Ｆｅｂ．，２０１３ Ｖｄ．３３ Ｎｏ．２ 理论探索・ 基于文本空间表示模型的文本相似度计算研究 张文萍 黎春兰２ （１．武汉科技大学管理学院，湖北武汉４３００８１；２．武汉大学信息管理学院，湖北武汉４３００７２） ［摘要】在分析现有文本表示法的基础之处，提出一种以段落、语句、词语为层次结构的文本表示方法——文本空间表 示模型，并在此模型基础上探讨一种以文本段落为基本单位的相似文本计算算法，以实现相似文本检测目标。最后建立测试集 并在测试集上执行检测实验，结果表明此方具有较好的相似文本发现效果。 ［关键词】文本相似度；文本空间表示模型；段落；算法 ＤｏＩ：１０．３９６９ ｉＳｓｎ．１００８—０８２１．２０１３．０２．Ｏ０５ ［中图分类号］ＴＰ３９１．１ ［文献标识码］Ａ ［文章编号）１００８—０８２１（２０１３）０２—００２１—０３ Ｕｓｉｎｇ Ｔｅｘｔ Ｓｐａｃｅ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ Ｍｏｄｅｌ ｉｎ Ｔｅｘｔ Ｓｉｍｉｌａｒｉｔｙ Ｃｏｍｐｕｔｉｎｇ Ｚｈａｎｇ Ｗｅｎｐｉｎｇ１ Ｌｉ Ｃｈｕｍａｎ２ （１．Ｓｃｈｏｏｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ ４３００８１，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｍａｎａｇｅｍｅｎｔ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ ４３００７２，Ｃｈｉｎａ） ［Ａｂｓ缸ａｃｔ］Ｂａｓｅｄ ｏｎｔｈｅ ａｎａｌｙｓｉｓ ｏｆｅｘｉｓｔｉｎｇｔｅｘｔ ｒｅｐｒｅｓｅｎｔａｔｉｏｎｍｅｔｈｏｄｓ，ａ ｎｅｗｍｏｄｅｌｆｏｒｔｅｘｔ ｒｅｐｒｅｓｅｎｔａｔｉｏｎｔｈａｔ ｄｅｃｏｍｐｏｓｅ ｔｅｘｔ ｔｏ ｐａｒａｇｒａｐｈｓ，ｓｅｒｌｔｅｎｅｅｓ ａｎｄ ｐｈｒａｓｅｓ ｈｉｅｒａｒｃｈｉｃａｌｌｙ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎ ｔｈｉｓ ｓｔｕｄｙ ｃｏｎｔｒａｓｔ ｗｉｔｈ ｔｈｅ ｉｎａｄｅｑｕａｃｙ ｏｆｅｘｉ￣ｉｌｌｇ ｔｅｘｔ ｒｅｐ－ ｒｅｓｅｎｔａｔｉｏｎ ｍｅｔｈｏｄｓ．Ｗｉｔｈ ｔｈｅ ｈｅｌｐ ｏｆｔｈｉｓ ｍｏｄｅｌ ｗｅ ｐｒｏｐｏｓｅ ａ ｔｅｘｔ ｓｉｍｉｌａｒｉｔｙ ｃｏｍｐｕｔｉｎｇ ｍｅｔｈｏｄ ＯＮ ｔｈｅ ｕｎｉｔ ｏｆ ｐａｒａｇｒａｐｈ ｏｆ ｔｅｘｔ． Ｔｈｅ ｆｏｌｌｏｗｉｎｇ ｅｘｐｅｒｉｍｅｎｔｓ ｃａｒｒｉｅｄ ｏｎ ｔｈｅ ｔｅｓｔｉｎｇ ｓｅｔ ｐｒｏｖｅｄ ａ ｂｅｔｔｅｒ ｅｆｆｅｃｔ ｂｙ ｔｈｉｓ ｍｅｔｈｏｄ． ［Ｋｅｙ ｗｏｒｄｓ］ｔｅｘｔ ｓｉｍｉｌａｒｉｔｙ；ｔｅｘｔ ｓｐａｃｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｍｏｄｅｌ；ｐａｒａｇｒａｐｈ；ａｌｇｏｒｉｔｈｍ 文本相似计算具有重要作用和广泛应用，它主要应用 于基于著作权保护的文本相似检测、信息检索以及自动文 本摘要等领域。在文本复制检测方面，相似文本的检测可 保护创作者的合法权益免受他人侵犯；在信息检索领域， 进一步将段落分解为语句，语句又分解为若干词语的集合， 以此构成三维的文本空间表示模型。只要在语句和段落维 度上发现被检测的两个文本存在相似处，则判定被检测对 象存在相似之处。最后利用已有的测试集检测算法执行结 果。 相似文本的检测可以略去大量冗余信息；在自动文本摘要 领域，主要为ｗｅｂ页面自动生成摘要，便于ｗｅｂ信息检 索ｕ ｊ。目前文本相似计算在信息检索以及自动文本摘要 １相似度判定的层次分析 从文本属性这个角度来看，文本相似检测可以从两个 层面进行：内容相似和语言表达相似。对于任意一个文本 而言，内容与语言表达并非相互的两个方面 ５。内容 相似的文本，其语言表达形式并不一定就相似，例如以下 两个例句：“大年三十晚上，街上冷冷清清，看不见一个人 影”，“除夕夜晚，马路上空空荡荡，一片寂静的景象”，二 领域应用较为普及，在文本复制检测领域的主要实现方法 是对整个文本进行词汇抽取，利用关键词顺序匹配的方法 实现相似文本的检测【３－４Ｊ。 对于一个大型数据集，当给定任意一个待检测文本， 相似文本计算算法应该能够以较短的计算时间完成相似性 检测任务，即：发现与该文本在语言表达上有一定相似度 的文本，如果系统中事先存在这样的文本的话。基于算法 者要表达的内容是一样的，但表达所使用的语言词汇却又 执行时间和执行效率的考虑，本研究将文本分解为段落， 收稿日期：２０１２—１１—０７ 很大的不同；而语言表达相似的文本——包括词汇以及词 基金项目：本文系湖北省教育厅人文社科项目“云计算环境下图书馆信息服务模型研究”（２Ｏ１２Ｑ１９０）研究成果之一。 作者简介：张文萍（１９７６一），女，讲师，研究方向：情报学，发表论文８篇。 一２１— 第３３卷第２期 ２０１３年２月 基于文本空间表示模型的文本相似度计算研究 单位则是词语，如图１所示。 Ｆｅｂ．，２０１３ Ｖｄ．３３ Ｎ０．２ 汇间的相对次序相似，其内容在很大程度上则是相似的。 现今搜索引擎采用同义词技术，如：“大年三十”和 “除 夕”、“夜晚”和“晚上”等，能将包含检索词的同义词或 近义词的文本搜索出来，所以信息检索更多的是从内容相 似这个角度进行相似文本计算；而基于著作权保护的文本 相似检测则是从表达相似这个角度进行文本相似计算－６Ｊ。 现今的著作权法只保护作者思想的外在表达形式，并不保 护作品反映的思想或观点，因而本文将从表达相似这个角 度探讨文本相似检测的思想和算法。 从文本结构这个角度来看，相似文本检测可以从多个 词语 层次进行：全文、段落、语句、词语。不同层次上的相似 度检测可用于不同的研究领域，如：判定词语间的相似度 计算可用于机器翻译领域【’ ；判定词语与句子或段落之间， 或者句子与段落之间的相似度计算可用于信息检索领域。 例如：我们在检索信息时，通常输入的是若干个词语或者 是一个句子，其将作为查询向量输入检索系统，并与文本 库中的文本向量进行距离计算；段落与段落之间、全文与 全文之间的相似度计算则主要应用于基于著作权保护的文 本相似检测领域。上述３个检测层次的对象粒度依次递增， 而处于较高粒度层次的相似度检测是建立在较低粒度层次 相似度检测基础之上的。本研究对于文本相似的计算建立 在段落与段落间的相似度计算基础之上。之所以选择段落 为计算单位，除了上述因素外，还因为发生全文相似的概 率相比较发生段落相似的概率小得多，并且段落相似的计 算结果完全能够包含全文相似的计算结果。而语句相似多 数情况下则包含了正常的文献引用情况。 ２文本的结构化表示法 ２．１现有的文本表示法 在探讨文本相似性计算方法之前，首先回顾现有的文 本表示方法。在信息检索领域内，文本的表示主要是采用 向量空间模型表示法 ８。其思想是：将某个搜索系统中索 引项的集合ｒ表示为：Ｔ：｛ｔ０，ｔ１，…ｔ ”ｔ ．１｝，／１，为索引 项的数目；文本集合Ｄ表示为：Ｄ＝｛ｄ０，ｄ －．， 一１｝，ｍ 为文本的数目， 是文本集合Ｄ中的一个文本；则ｄｉ可表 示为：ｄｉ＝｛ｄｉ．０， ｌｌ’…，ｄ１． ，…ｄｉ． 一１｝，其中文本向量中 每个分量 ， 为索引项 在文本 中的权重。 ．，的值由相 应索引项‘，是否在文本中出现以及它在文本中的词频矿与 逆文本频率 决定。该表示法运用于相似性计算中存在的 问题是：一是文本向量的维度过高，且包含大量值为Ｏ的 分量；二是文本向量中不包含与文本段落结构相关的任何 信息。基于上述问题，本研究提出三维的文本空间表示模 型法。 ２．２文本的空间表示模型 通过分析文本的组成结构，我们可以知道文本的基本 组成单位是段落，而段落的组成单位是句子，句子的组成 ～２２一 ， １２ ｔｋ 图１文本组织结构的树状层次图 ｒｄｌ＝（Ｐｌ，Ｐ２，…Ｐｉ，…ｐ ） ｛Ｐｉ＝（ ｌ，ｓ２，… ，… ） Ｌ ＝（ｔｌ’ｔ２，…ｔ‘，…ｔＩ） Ｐ３ 段落（Ｐ） 图２文本 的三维空间表示模型 从图２中可以看出：一个文本可以表示为一个三维空 间模型，三维空间中的每一个结点在文本中均有一个词语 与之对应，结点在空间中的位置其实包含了相应词语在文 本中的位置信息，即：该词语在文本中所处的段落、句子， 以及在句子中的位置。每个段落可表示为一个二维向量平 面 ，ｉ∈｛１，ｍ｝；平面中的每一个列向量＆， ∈｝１，，ｌ｝， 对应于该段中相应的一个句子；句子 中包含若干个词语 ｔ ，ｉ∈｛１，ｋ｝。由此可见，组成三维空间模型的３个分量分 别是：段落（Ｐ）、句子（５）和词语（ｒ）。 ３文本的相似度计算算法 ３．１算法描述 现有任意两个文本ｄｌ、如，其表示如下： ｄ１＝（Ｐｌ１，Ｐｌ２，…Ｐ１ｉ，…Ｐｌｍ） （１） ｄ２＝（ｐ２１，ｐ２２，…ｐ２ｉ，…ｐ２ ） （２） ２０１３年２月 第３３卷第２期 现代情报 Ｊｏｕｒｎａｌ ｏｆ Ｍｏｄｅｒｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｅｂ．，２０１３ ．３３ Ｎｏ．２ ｐ１ 、Ｐ２ｉ分别为ｄｌ、ｄ２中的某一段落，ｍ和ｎ分别为 ： 两个文本包含的段落数目。我们比较这两个文本的相似程 Ｉ１！ ，ｇ＜ （１２） 度是通过判断段落间的相似度来确定的。设ｄ１２为ｄ１、ｄ２ 的相似度矩阵，则ｄ１２可表示如下： 当３１ｌ ３２１的值为０，则认定ｓｌ１与ｓ２ｌ相似，当值为１，则 认定ｓｌ１与ｓ２ｌ不相似。设 为语句相似度阈值， ∈（Ｏ，１）， 的取值因判定相似的严格程度而定，这里不再赘述。回 纽；‰ 到表达式（７）中来，矩阵中元素的值或者为Ｏ，或者为１， ：｛ｐ１２＝Ｐ 笠… … … Ｉ ｐ“ｐ ｐ ｐ … ｐ ｐ ｌ Ｊ ｝ （３） 计算出其中值为０的元素所占比例ｒ，则ｒ是衡量两个段落 相似程度的关键因素。当ｒ≥ ，认定两个段落相似， 是 段落相似度阈值，其值的选取同表达式（１２）中的 一样， （４） 设Ｐｌｉ和ｐ２ｆ分别表示如下： Ｐ１ｉ＝（ｓｌ１，ｓ１２，…ｓ“，…ｓ１ｍ） 视应用环境和要求而定。有关相似度阈值设定的方法请参 Ｐ２ｉ＝（ ２ｌ’ｓ笠，…ｓ２‘，…ｓ２ｎ） （５） ￥１ｉ和￥２１分别为段落ｐ１ｉ和ｐ２‘中的句子，每个句子中又 包含多个词语ｔ，故而Ｐｌｉ又可表示为： Ｓ１ Ｓ２ … ｉｌｌ ｔ２１ ’‘￥ｎｌ ｔ１２ ｔ２２ … Ｐ１ｉ ｔ１３ ｔ２３ … （６） … ： ● ｔｌｎ ｔ２ｍ … 矩阵的每一个列向量就是段落Ｐ１‘中的一个句子 ，毛 中元素ｔ。ｉ是该句中的一个词语，同样段落ｐ２ｌ也可表示成上 述形式，这里就不再列出。矩阵中元素ｔｌ 的取值方式与信 息检索系统中有所不同，信息检索系统为每个索引词取一 个与词频相关的量化值，这里将ｔ１ 的值设定如下：该词语 在索引系统中的索引号，能够唯一标识该词语的一个编号 或标识符。 令（３）式中任意一项ＰｌｆＰ２ （ｐ１ｆ） ×ｐ２‘，则由式 （４）、（５）可以得到表达式（７）： ｐ。ｉＰ ：（ｐ。 ）ｒ×ｐ：ｉ：｛ｆ 。 ？笠笠 … … 。 坦 ｌ ““１｝（ ７） 。 … Ｊ 取式（７）中任意一项，如：￥１１ｓ２１来分析，设： ｓｌ１＝（ｆＩ，‘２，… ，… ） （８） ３２ｌ＝（ ， ，… ，… ） （９） 若／１１，≠ｎ，则将包含词语数目较少的向量扩充，补充 Ｉ ｍ—ｔｌ，１个０元素。令： ３１１ｓ２１＝｛ｔ Ｊｔ ＝ ０ ，ｉＥ［１，ｍａｘ（ｍ，ｎ）］｝ （１Ｏ） 其中： ‘ ｔｉ￣￥ ｇ ｒｌ＝ｉ１， ≠ （ １１） 如果ｔｉ或 与０进行０运算，将值设为ｌ。则￥１１３２１的 值是一个由ｎ１８】【（ｍ，，１）个０、１组成的一维向量，设０元素 的个数占整个向量元素总数的百分比为ｇ，最终将ｓ。。ｓ２１的 值设定为： 考文献［９—１０］。 表达式（３）中，文本ｄ１、ｄ２的相似矩阵ｄｌ２中任一元 素的计算值如果能认定相应的两个段落相似，则认为ｄ。、 如之间存在文本相似之处。 ３．２实验计算结果 实验步骤如下：在某个期刊检索系统中，用“文本” 和“相似”这两个检索词检索出同一领域的若干篇论文， 从中挑出部分文本构成实验测试文本集 。 中包含５Ｏ个 文本，另外选择其中两个文本作为被检测对象ｄｌ，ｄ２，分 别进行两次实验。实验目的是：在 中分别查找与ｄ１，ｄ２ 至少存在段落相似的文本。当然以先验信息可知： 中同 时存在与ｄ１， 相似以及不相似的文本。 设 ＝Ｏ．７， ＝０．７，采用上述算法将 中每一个文本 逐个与ｄ１，ｄ２进行相似度计算。首先选用文本处理工具对 测试集中每个文本以及ｄ ，ｄ２进行词汇抽取，对每个词语 建立数字化的索引项，并以段落为单位建立索引矩阵，如 表达式（６），这样每个文本将包含多个段落索引矩阵。运 用Ｍａｔｌａｂ将文本ｄ１逐一与 中文本 进行相似度计算， 可得出 中与文本ｄ１的段落Ｐｆ相似的段落数目。同样的 计算过程在如与测试集文本之间再次执行。计算结果如表 １所示，由于篇幅所限，这里只列出文本ｄｌ， 中的部分 段落，并且相似段落所在文本这里不再列出。从实验中可 知： 和占的取值至关重要，适当减／ｂ－－－者的值，表１中 相似段落数目可能会增加；如果适当增大其值，表中相似 段落数目则会相应减少。 表１ Ｔ中与文本ｄｌ。ｄ２的段落Ｐｌ相似的段落数目 ｄ１ ｐｌ ｐ２ Ｐ４ ｐｓ Ｐ６ ｎ ｐｔ ｐ９ ｐｌｏ 相似段落数目 ２ ０ １ ０ ０ ２ ０ ０ ０ ０ ｄ２ ｐｌ Ｐ２ ｐ Ｐ＾Ｐｓ ｐ６ ｐ１ ｐ｜ｐ９ ｐｌｏ 相似段落数目０ ０ ２ ０ ０ ０ ０ ０ ０ ０ ４结语 本文介绍了一种以段落、语句、词语为层次结构的文 本表示法——文本空间表示模型，并在此基础上研究以文 本段落为单位的文本相似计算算法。文中（下转第１２４页） 一２３一 爿； 鬻 浅谈科技情报（信息）类事业单位改革与科技情报管理创新 ｖＦｄｅｂ．３．３， Ｎ２０１ｏ３． ２ ４．２加强科技情报专业人才队伍建设，提高服务 科技情报机构的交流合作。４．５积极推进科技情报机构内部运行机制改革 水平 加强科技情报队伍的建设，加强创新型科技人才培养， 创造良好的人才成长环境和条件，通过引进招聘高学历人 才或专业技术人才，定期组织科技人员积极参加学术交流 和国内外业务活动，提高科技人员的业务水平，培养具有 全面提高科技情报机构内部的管理水平和服务质量， 在人事制度改革中，引入企业管理机制，按需设岗以岗定 责，开展双向选择，竞争上岗，努力形成人尽其才、 能上 能下的用人机制；在分配制度上要遵循“效率优先、多劳 素质优秀的科技信息服务的专业化人才，充分调动专业科 技情报信息人才工作的积极性和主动性，提高科技情报机 构的竞争力。 多得、兼顾公平”的原则，实行工资报酬与个人贡献挂钩 的分配机制。在机构内部建立工资报酬与个人贡献挂钩的 分配激励，促进科技情报信息事业的进步。 总之，如何形成一套完整合理的科技情报机构管理体 制和运行机制，是改革成功的重要标志。 ４．３加强基础设施和基础数据库建设，构建数字 化科技情报服务的环境 加大基础信息资源和信息基础设施建设投入，抓好信 息化网络服务平台的建设，提高信息网络整体技术水平 搞好信息资源服务平台建设，为各地科技创新、经济发展 提供强有力的信息资源保障；各地和部门还应在信息 网络资源建设、文献资源、公共技术等方面增大经费投入， 只有这样才能促进我国科技情报（信息）类机构向良性循 环的新发展。 参考文献 ［１］贺德方．我国科技情报行业发展战略与发展路径的思考［Ｊ］． 情报学报，２ＯＯ７，（８）：４８３—４８７． ［２】王洪林．论科技情报信息机构性质的定位［Ｊ】．云南科技管 理，２００３，（１）：１９—２０． ［３］缟辑部．科技情报改革的发展扣方向［Ｊ］．水利电力机 械，１９８６，（５）：１—２． ４．４加强各科技情报机构间的交流合作，实现资 ［４】郑晓林．我国科技情报改革的发展趋势【Ｊ］．技术与市 场，１９８９，（５）：２７—２９． 源共享，发挥情报行业的整体优势 我国各级科技情报机构之间，通过交流、协同与合作， ［５］宋家升，董晓明，石惠刚，等．地市级科技情报（信息）机构 利用本地信息资源和优势，加强合作，共同建设高效率、 现代化的科技信息集成服务平台，实现情报机构间资源共 享，做好信息的集成服务；各地市级科技情报机构还应增 强与国家、省级科技信息机构的合作，共同创建网络环境 下的科技信息工作开放、合作的新模式；还应加强科技情 改革发展展望［Ｊ】．现代情报，２００６，（７）：３７—３９． 【６］张建军．科技情报信息服务与创新体系建设的探索［Ｊ】．山西 科技，２Ｏ０２，（１）：１９—２０． ［７］祝毓．科技情报机构从事业单位向非营利组织的改革研究 ［Ｄ］．上海交通大学。２０１０． 报信息服务业的统一标准规范，与国际接轨，加强国际间 ：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：： ：：：：：：：： （本文责任编辑：王涓） （上接第２３页） ｆｏｒ ｅｖａｌｕａｔｉｏｎ ｅｘｐｒｅｓｓｉｏｎ ａｎｄ ｅｏｎｔｅｍ ｓｉｍｉｌａｒｉｔｙ［Ｊ】．ｈ０ｏ地 ｔｈｅ 涉及到文本分词及建立索引等技术均采用现有成熟技术， 故而不再详述。将文本分解为文本空间表示模型中的段落、 语句、词语的思路较为直观，易于计算实现，为相似文本 检测系统的设计和实现提供了方法支持。文章不足之处在 于实验文本集的覆盖面较小，被测试文本的选择随机性不 强，这些不足之处有待于进一步改进；另外相似度阈值的 选择对计算结果的影响程度的研究也没有涉及，这些都将 是下一步研究工作的重点所在。 参考文献 ３７ｔｈ Ｈａｗａｉｉ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ￣ｅｅ ｍ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅ＊．２ＯＯ４． ［５】Ｓｕｎ ｚ，Ｅｔｍｍｉ Ｍ， ｎｇＴ，Ｒｍａｒｄ Ｃ，Ｃｈｏｒａｄｉａ Ｎ。ｅｔ ａ１．Ｓｙｍｅｍ－ ｃ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｓ ｏｆＴｅ￣ｔＳｉｍｉｌａｒｉｔｙｉｎＦｕｌｌＴｅｘｔＢｉｏｍｅｄｉｃａｌＰｕｈｌｌｅａ－ ｉｒｍｓ［Ｊ】．（０１２ｏ） 吨：ｆ ＯＮＥ５（９）：ｅ１２７０４． 【６】ＬＭｅｋ￣Ａ．，Ｍｕｊｕｍ￣Ａ．ｅｔ ａｉ．Ａｕｔｏｍａｔｉｃ ｔｅｘｔ ｓｕｎｎｎａｒｉｍｆｉｍ ｌｌｓ・ ＧＡ—ＧＰ【Ｊ】．Ｉｎｔｅｎ￣ｆｉｏｎａｌ Ｊｏｕｒｎａｌ ０ｆ ＢＩｇｉＩｌｅ盱ｉＩｌｇ Ｒｅ－ ｓｅａｒｃｈ ａｎｄＡｐｐｌｉｅａｔｉｍ，２０１２，２（２）：１５５１—１５５５． ［７】Ｉｓｌａｍ Ａ．，Ｉｎｋｐｅｎ Ｄ．Ｓｅｍａｎｔｉｃ ｔｅｘｔ￣ａｉｌａｔｉｔｙ Ｉｌ８ｉＩｌｇ ｅｏｒｐ￣一ｂＥ１日。ｄ ｗｏｒｄ ｓｉｍｉｌａｒｉｔｙ ｎｎｄ ｓｔｒｉｎｇ ｓｉⅡＩｎａｒｉｔｙ［Ｊ］．ＡＣＭ ＣＯＹ．Ｄａｔａ．Ｊｕｌｙ ２０ｏ８． ｓ．Ｋｎｏｗｉ．Ｄｉｓ－ 【８】ＳｏｌｔｏｎＧ．。ＷｏｎｇＡ．，ＹａｎｇＣ．Ｓ．．Ａ ｖｅｃｔｏｒ ｓｐａｃｅｍｏｄｄｆｏｒ珊ｌｌ０ｍａｔ・ ［１］Ｙ础０ Ｖ．Ａ．，ＶｉｓｈｎｙａｋｏｖＴ．Ｎ．Ａｍｅｔｈｏｄｆｏｒ ｅｖａｌｕａｔｉｎｇｍｏｄｅｌ＇ｎ ｓｙｓ・ ｉｅ ｉＩｌｄ ｌｌｇ［Ｊ】．Ｃａｍｍｕｎｉｅａｔｉｍ ｔｈｅ ＡＣＭ。１９７５，ｌ８（１１）：６１３ —ｔｅｒｎｓ ｏｆ ａｕｔｏｍａｔｉｃｔｅ啦ｓｕｎｍ￣ｚａｔｉｏｎ［Ｊ】．Ｉｎ：Ａｕｔｏｍａｔｉｃ Ｄ０ｃＩｌｒｒ ｔａ． ｄ∞ａｎｄＭａｔｈｅｍａｔｉｃａｌ Ｌｉｎｇｕ／￣ｃｓ．２０∞，４１（３）：９３—１０３． ６２Ｏ． ‘ ［９】力力．王丽坤，陆玉昌，等．计算文本相似度阁值的方法 ［Ｊ］．清华大学学报：自然科学版，２０Ｏ３，４３（１）：ｌ０８—１１１． ［２］金博，史彦军，滕弘飞。基于语义理解的文本相似度算法 ［Ｊ］．大连理工大学学报，２Ｏ０６，４５（２）：２９１—２９６． ［３］Ｍｉｈａｌｅ￣Ｒ．。 哪Ｐ．ＴｅｘｔＲ￣：Ｂ￣ｉｎｇ Ｏｒｄｅｒ ｉｎｔｏ Ｔｅｘｔｓ［Ｍ】． Ｄｅｐａｒｌ￣ｎｅｎｔ ０ｆＣｏｍｐｕｔｅｒ ＳｃｉｅｎｃｅＵｎｉｖｅｒｓｉｔｙ ｏｆＮ饵ｔＩｌＴｅｘａｓ。２０ｏ４． ［１０］宋韶旭，李春平．基于非对称相似度的文本聚类方法【盯． 清华大学学报：自然科学版，２ＯＯ６。（４６）７：１３２５—１３２８． （本文责任编辑：王涓） 【４】Ｏｚｌｅｍ Ｕｚｕｎｅｒ，Ｒａｎｄａｌｌ Ｄａｖｉｓ。ＢＯｌ￣￥Ｋａｔｚ．Ｕｓｉｎｇ ｅ．ｎ￣ｉｒｉｅａｌ ｍｅｔｈｏｄｓ 一１２４一
