一种基于机器学习的相似度算法在文本相似度比较中的应用--以法律文本比较为例

随着法律文本的大量公开,在文本挖掘中发挥越来越重要的作用,同时随着机器学习与自然语言处理技术的发展,其与大数据的融合运用逐渐普及,将两者结合起来进行相似度判别分析,有利于对法律文本的充分挖掘利用,对于帮助用户了解案情,同时基于法律文本相似度分析可拓展更多应用,对于促进国家法制化建设具有重要意义。使用了一种基于机器学习的相似度算法,通过与不同词向量结合的方式,能够有效提升文本相似度对比的准确率。通过在真实民间借贷类法律文本比较案例中实验取得明显效果,准确率提升10%,具有较好的使用前景。

文本挖掘在主题发现和相关性评估中的应用——以人工智能和机器人领域的专利为例

人工智能和机器人是当前技术发展的重要领域,专利反映了基础研究和技术创新的进展。将两者结合起来进行学科发现与关联性评价以及演化趋势分析,有利于对知识的挖掘,对于理解科学技术的互动与渗透、识别技术机会、发现潜在商业机会具有重要意义。在LDA算法的基础上,通过对专利主题强度和主题内容演变的分析,探索并构建了能够全面揭示专利主题关系的相关进化图。人工智能和机器人专利领域的实证研究表明,该方法能够充分展示领域主题随时间的变化趋势,揭示专利主题之间的相互继承关系。