[发明专利]一种网络论坛消息的内容相似度测量方法及系统

摘要

本发明公开一种网络论坛消息的内容相似度测量方法及系统。该方法根据所述测试状态向量和所述基准状态向量S＝{s1,s2,...,sM}计算所述测试文本消息dk与所述基准文本消息d之间的内容的相似度，所述测试状态向量和所述基准状态向量S＝{s1,s2,...,sM}间内容的相似度是非对称的，即两个文本消息之间的内容相似度的值不仅与两个文本消息的语义特征相关，而且与基准消息的选择有关，更符合网络论坛敏感信息管控需求，提高了网络论坛消息的内容相似度测量的准确度。

主权项

1.一种网络论坛消息的内容相似度测量方法，其特征在于，所述测量方法包括：获取基准文本消息d和网络舆情管控的具体需求参数；根据所述基准文本消息d和所述网络舆情管控的具体需求参数，建立用户词典Dictionary＝{t1,t2,...,tM}，其中，M为所述用户词典的维数，tj表示所述基准文本消息d中的第j个关键中文实词，j的取值为1,2,...，M；分别以所述关键中文实词tj为关键词检索网络论坛消息，获得测试文本消息集合D＝{d1,d2,...,dN}，其中，N表示所述测试文本消息的条数，dk表示第k条测试文本消息，k的取值为1,2,3,...,N；统计所述关键中文实词在所述基准文本消息d中出现的频率获得基准关键词频率向量根据所述基准关键词频率向量计算所述基准文本消息d的状态向量，获得基准状态向量所述基准状态向量用于表征所述基准文本消息d的文本特征；其中，s_l表示所述基准文本消息d的第l个文本特征，l的取值为1,2,...,M，i的取值为1,2,...,M；统计所述关键中文实词在所述测试文本消息d_k中出现的频率获得测试关键词频率向量根据所述测试关键词频率向量计算所述测试文本消息d_k的状态向量，获得测试状态向量所述测试状态向量S_k用于表征所述测试文本消息d_k的文本特征；其中，表示第k条所述测试文本消息d_k的第l个文本特征，l的取值为1,2,...,M；根据所述测试状态向量和所述基准状态向量计算所述测试文本消息d_k与所述基准文本消息d之间的内容的相似度。