基于倒排索引的文本相似搜索

根据文本向量的维分布的稀疏性,提出了基于倒排索引的文本相似搜索算法。该算法通过倒排索引进行维过滤,快速获得尽量小的目标集的超集。实验表明,在海量文本环境下,该方法虽略微损失准确度,但其速度远远高于传统基于多维索引的算法。

相似文本的快速搜索

相似文本的快速搜索是大规模文本处理需要解决的基本问题。从两方面改进了Udi的相似文本搜索方法,通过Hash把集合映射成ID,从而得到更快的集合比较算法,重新定义了相似关系,能够减少误判,同时对有固定格式的文本也有更好的效果。

国外生物医学文献获取的技术工具:述评与启示

大数据时代生物医学文献资源呈现海量增长和交叉聚合的特点,精准靶向检索、挖掘潜隐关联和全面知识发现成为生物医学文献获取的"新常态"。技术工具的科学运用能够有效改进生物医学文献获取的质效,国外相关技术工具在文本相似性搜索、语义搜索、查询支持、相关性排序、结果聚类等方面的功能和应用,为我国业界从信息用户、信息服务主体角度优化和提升生物医学文献获取等工作提供了成功经验。