文本相似度指標分析及文本相似性分析方法研究
摘要：近年來國家為了有效提高企業的科研能力，對企業申報的科技項目給予一定程度的資金分配支持。因此，不要浪費在反復申報研究費的低質量企業的科技項目上?；谏鲜霰尘?，論文希望深入研究文本類似度指標分析和文本類似分析方法，有效提高企業對類似科學技術項目的評價率。
、前文近幾年，國家為了有效提高企業的科研能力，對企業申報的科技項目撥款支持一定程度的資金。為了確保國家的資金分配對物品有幫助，企業自身利用類似的檢查系統對企業員工申報的科技項目進行類似的現場檢查，對優良的企業科技項目進行篩選和支援。然而，目前幾乎所有類似的l生檢系統只能在較淺的水平上測量文本內容。這也給一些心懷鬼胎的企業員工開了個洞，洗了發布的優質科技項目后偽裝成新企業的科技項目申報，從國家騙取了企業的科研資金。結果不僅浪費了國家的財政資金，還打碎了企業其他員工的研究熱情?；谏鲜鲈?，本文深入研究文本類似度指標分析及文本類似性分析方法，有效提高企業對類似科技項目的篩選率，篩選優秀研究項目進行報送支援，提高企業的研究能力及市場競爭力我期待著。
2、文本類似度論文調查重指標制定正文以電力企業的研究項目申報為研究對象，通過以下幾項技術完成電力企業對研究項目的調查文件及目標文件之間關系的研究。（一）根據數字指紋法構建電力行業的數字指紋。用數字指紋技術制作文檔特征庫，對文檔生成數字指紋，通過比較指紋，確認文獻是否相似。（二）基于電力行業矢量空間模型的技術。
使用向量空間模型WeN來計算兩個詞向量作為意義相關聯的權衡。每一個詞表示—個浮點向量，表示為高階原始空間中的—個向量，并且可以利用兩個向量之間的夾角來計算兩個向量的距離，以表示f貳的類似度。通過對所有兩個詞之間進行距離計算來構建整個m個關鍵字意思網絡。（sii）n，即，本項目將所有電力領域的期刊科學文獻的摘要數據、所有項目所申請的專利數據、以及項目庫、成果登記庫的項目數據，作為關鍵字語義庫?？梢詫W絡進行訓練，并將其保留下來。歐洲值是05以上的關鍵字。
（3）基于電力行業的字符串比較和壓縮方法。重復字符串的數量和長度，以確定文檔的復制程度。
該方法具有即使不考慮文件的特征提取和數字指紋長度等問題，也能在陜速便利的特征。三、文本類似性論文的驗證重檢技術采用CNKI自適應多次指紋分析技術和NLPE中文自然語言處理技術，采用兩大文本處理技術。
CNKI自適應多次指紋分析技術：采用C占卜門自主開發的白自適應多次指紋特征測量技術，具有檢查速度快、準確率高、召回率高、抗干擾等特點。與其他文件的指紋技術相比，具有更好的容錯性和更豐富的指紋粒度，適合于陜西處理學術文獻中的各種不端行為類型。
這項技術與傳統的全文索引不同，實現了高效緊湊的索引結構。特征指紋作為索引關鍵字，采用一定的壓縮策略，盡可能少的利用磁盤空間，盡可能多的保存特征指紋。對于相同的數據，提供多個級別的索引，并且每個級別的索引使用不同的指紋特征來提取粒度。處理用戶檢索請求時，選擇最佳的索引檢索，以最小的價格執行檢索，保證實時的響應速度。采用了
N12E中文的自然語言處理技術，具有以下特性。海量概念關系辭典的應用、模棱兩可及未注冊詞的識別問題、淺層句法和語法分析、英語短語的識別/中英語的相互翻譯、最大匹配5MB/全切開IMB/s、一般學術研究的接辭速度為30-“=”（OKB/s，全切分的正確率約為9r73%。四、電力領域的文本相似。檢測技術一般來說，電力領域的科學技術項目中存在很多術語。這些專業名稱：表達方式固定，明確特定。
可以在對文本進行分詞處理后，利用單詞向量的特征識別來測試文本的意義相似性。五、結語為有效提高企業科技項目申報質量，本文將深入研究文本類似度指標分析及文本相似性分析方法，提出電力領域文件相似性檢查技術，將該技術應用于實踐。
根據實施該應用的企業反饋，該系統有效提高申報的企業科技項目的整體質量，有效促進企業人才培養，提高企業科研能力，提高企業市場競爭力。