文本相似度计算研究进展综述

相似度计算是自然语言处理工作的基石。随着自然语言处理技术的发展,相似度计算的研究价值和应用价值突显。现有的计算方法因其复杂度和精确度的问题,与现实应用的需求并不匹配。针对现有需求,对于不同粒度的文本,研究出一套适合大规模实际应用的相似度计算方法体系迫在眉睫。从方法论的角度,对目前主流的相似度计算方法进行总结,介绍了不同粒度的文本相似度计算的差别以及近几年的研究进展,总结了目前相似度计算方向存在的问题,并对发展趋势进行了展望。

业务流程模型相似度研究综述

随着业务流程模型管理库规模的增大,传统的模型管理方式在效率和准确度方面已经无法达到预期,研究能够提升业务流程模型管理效率的技术成为人们的迫切需求。其中,业务流程模型相似度技术在模型搜索、模型一致性检测等模型管理的相关应用场景中能够有效提升工作的效率和精度,因此,对业务流程模型相似度技术的研究已经逐渐成为模型分析领域的一个研究热点,并取得了许多有价值的研究成果。业务流程模型相似度技术涉及的领域较多,可以向不同的分支方向发展,虽然不同分支的模型相似度技术会有方法之间的类比,但是缺乏系统性的整理和分析。文中从相似度计算方法和应用场景这两个层面对业务流程模型相似度技术进行了分类讨论,将相似度计算方法分为文本相似度、语义相似度、结构相似度、行为相似度和基于人类评估的相似度,并分析了每种计算方法的特点。较为常见的业务流程模型相似度应用场景包括一致性检测、标准化、流程模型搜索和模型重用,文中对基于以上场景的相关研究进行了梳理。最后分析了业务流程模型相似度研究面临的挑战。

一种基于云计算的SaaS组装方法研究

根据基于云计算的SaaS(Software as a Service)软件的集成性、可配置性和定制性(简称IIC)所面临的问题.提出一种基于云计算的SaaS组装和质量方法:首先建立一种SaaS寻址方法和组装中断方法,以保证SaaS组装连续性和确定性;并根据寻址和中断情况建一种适合SaaS的相似度计算方法,以满足整个SaaS组装流程的精确性.其次根据SaaS的寻址组装和中断的情况,从Web服务质量、地址数量和分布、可用性、资源共享度、互操作性和ICC等角度建立SaaS组装质量模型,即QoSaaS(Quality of SaaS).第三,在寻址中断支持和QoSaaS驱动下,构建一种SaaS组装算法.最后在Amazon下以一个SaaS销售软件生成为例进行分析,并给出一组数据验证表明该方法的可行性和有效性.

基于Hyperlink和相关度发现Web相关文档的研究

分析了 Web文档的相似度计算方法 ,提出了 Web上查询相关信息发现的 SW- HITS算法 ,它结合了 Web超链接、网页知识表示的信息相关度以及 HITS方法来搜索 Web上相关知识 .本文通过它们搜索网上有关医药的信息和知识 ,其效果和查准率比传统 HITS和

色谱指纹图谱相似度方法的研究进展

色谱指纹图谱相似度是中药质量控制的重要方法之一,研究中药色谱指纹图谱的相似度计算方法对于中药质量控制很有意义。作者介绍了数量相似度、相似性相似度和差异性相似度3类相似度方法的研究现状,分析了3类相似度方法各自的特点与局限,对相似度方法的改进进行了总结,并对相似度方法存在的问题、改进趋势与应用作出了展望。

基于协同过滤技术的CRM主动营销模型研究

叙述在 CRM中进行主动营销的重要性 ,提出基于协同过滤技术的 CRM主动营销模型 ,对模型中常用的项目相似度计算方法进行详细阐述 ,然后通过实验证明模型的可行性 ,并从平均绝对偏差角度说明几种相似度计算方法的性能。

基于缩略语分析的中文报道关系识别研究

分析中文缩略语的构词方式,定义2个词之间的词形相似度,提出一种基于最长字符串匹配的相似度计算方法,探讨该方法在中文报道关系识别系统中的应用。实验结果表明,该相似度计算方法能够改善中文报道关系识别系统的性能,使系统的归一化检测开销降低12.96%,取得较好的识别效果。

基于Hadoop的协同过滤推荐算法的研究

1.传统协同过滤推荐算法协同过滤推荐算法主要利用用户过去的行为或意见预测目标用户最可能喜欢哪些东西或者对哪些东西感兴趣,然后向目标用户做出TOP-N推荐。相似度计算方法对于协同过滤的推荐方法来说是很重要的,最常用的有Pearson相关系数法、余弦相似度等。2.改进协同过滤推荐算法针对传统协同过滤推荐算法中相似性计算的不足,提出了一种基于用户兴趣的改进协同过滤推荐算法。针对不同用户兴趣的动态变化,将基于用户兴趣度的相似性度量方法应用于改进的协同过滤推荐算法中,基于用户的兴趣,提高推荐系统的准确性。

Configurable ontology mapping based on multi-feature

A configurable ontology mapping approach based on different kinds of concept feature information is introduced in this paper. In this approach, ontology concept feature information is classified as five kinds, which respectively corresponds to five kinds of concept similarity computation methods. Many existing ontology mapping approaches have adopted the multi-feature reasoning, whereas not all feature information can be com- puted in the real ontology mapping and only fractional feature information needs to be selected in the mapping computation. Consequently a eonfigurable ontology mapping model is introduced, which is composed of CMT model, SMT model and related transformation model. Through the configurable model, users can conveniently select the most suitable features and configure the suitable weights. Simultaneously, a related 3-step ontology mapping approach is also introduced. Associated with the traditional name and instance learner-based ontology mapping approach, this approach is evaluated by an ontology mapping application example.