一种基于海量文本数据的相似度衡量方法

摘要

本发明公开了一种基于海量文本数据的相似度衡量方法，该方法基于语义规则的扩展来衡量文本信息的相似度，具体分为两种扩展方法：全扩展和选择扩展。前者将全部可用语义规则用于扩展字符串，后者结合了全扩展和贪心扩展，给出了一种更加有效的扩展方法。通过实验对比表明，两种扩展方法都取得了非常好的性能，从而验证了本发明的可行性与可靠性。

主权项

一种基于海量文本数据的相似度衡量方法，其特征在于，所述方法包括：步骤A：对于给定的字符串S₁和S₂，利用全扩展，选择规则集R中的规则，分别获得其对应的扩展集合S₁′与S₂′；步骤B：衡量扩展集合S₁′与S₂′的相似度，作为原始字符串S₁和S₂的相似度。