相似性计算

摘要： 新词的有效识别是文本预处理过程中一项非常重要的任务,关系到分词效果的好坏。针对传统新词发现方法未考虑单字新词的识别,且忽略了上下文句法结构与语义信息对新词识别结果的影响,提出一种统计量计算结合相似性判断的网络新词发现算法。首先,基于字的粒度,依次计算单字词频、最大增强互信息和加权左右邻接熵,从左向右逐字扩展多字词,获得具有高成词概率的候选新词集合;再利用基于句法与语义的改进相似性计算模型,得到语句相似度,过滤无效新词。对比实验结果表明,该算法能够有效识别新词,相较于传统新词发现方法具有更高的准确率、召回率和F值。

摘要： 随着人类基因组计划的推进,多种生物分子与疾病之间的关联被揭示出来,例如,circRNA-疾病关联、lncRNA-疾病关联、microRNA-疾病关联以及微生物-疾病关联.因此,预测实体与疾病之间的关联对于阐明疾病的发病机制具有实际意义.目前,由于生物实体数据过于庞大,因此通过生物实验确定生物关联不仅耗时耗力而且无法穷举所有的生物关联.总之,采用高效的计算方法预测潜在的生物关联是十分必要的.目前,研究学者们已经提出了一系列基于相似性度量的计算方法来预测新的circRNA/lncRNA/microRNA/微生物-疾病关联.其中,疾病相似性的计算通常是RNA分子或微生物相似性计算的基础.由于部分相似性度量方式会用到关联数据信息,在本文中,首先介绍了circRNA/lncRNA/microRNA/微生物-疾病关联数据,之后主要回顾总结了以上4种生物关联预测中的疾病相似性的计算方法.

摘要： 在新产品研制过程中,依托模型相似性从已有资源中获取可重用信息,对提升研制效率、降低研制成本具有重要价值.以三维装配体模型为对象,综合考虑装配体形状及零件相对位置关系信息,提出一种基于球谐函数的装配体相似性分析方法.首先,利用球谐函数将装配体所包含零件量化表示为形状描述空间中的点,以形状空间点集作为装配体描述符;然后,通过改进的Hausdorff距离算法计算装配体描述符中点集之间的不相似度,建立了相似装配体的检索方法;最后,利用装配体检索实例库,以5组装配体为检索对象,对模型装配位置不同、细节不同以及带宽N取值不同时相似性计算结果进行分析讨论,验证了所提方法的有效性.

摘要： 图文识别方法一直是计算机视觉领域的一个重要问题,随着深度学习技术的发展,这个问题成为学术界和产业界的研究热点。但现有的面向主题的数据集较少且易含有噪音,针对这个挑战,一种基于弱监督学习面向主题的图文识别方法被提出来,该方法结合区域卷积神经网络和长短记忆模型,通过弱监督学习方法和基于位置信息的全局连接层,实现对图片中主题文本信息准确连贯地识别。通过对图书封面数据集进行测试,并与现有相关方法进行了对比,验证了所提方法的准确性和高效性。

摘要： 针对复杂运行场景中不易有效划分交通流的问题,提出了基于改进CURE(基于代表对象的聚类)算法的终端区航迹聚类方法。首先,采取等弧长插值重采样方法处理航迹的多维特征;然后,基于航迹多维特征改进相似性计算模型;最后,使用戴维森堡丁指数(DBI)自适应选取CURE算法的最佳聚类数目,并对终端区内航迹进行聚类。某机场终端区703条离场航迹的69763个数据点实例验证表明,该方法可在复杂运行场景中获取精确的交通流分布。

摘要： SimHash算法被广泛应用于文本相似性检测去重中,它为打击学术不端行为做出了突出的贡献.本文首先对SimHash算法的理论进行了简单阐述,其次对SimHash算法去重的过程进行了解析,最后从无法保证短文本的计算准确率、算法运行效率低、权重的确定方式难以确定等三个方面阐述了SimHash算法在文本检测去重中存在的问题.

摘要： 图像、视音频等多媒体数据包含的信息量非常丰富.近年来,随着研究的不断深入,根据不同应用需求,多媒体搜索可以从不同维度展开,包括从底层特征到高层语义的表示维度、从实例到类别的物体维度、从单个概念到多个概念直至语言的描述维度、从全局内容到局部区域的尺度维度等,并且这些维度之间也相互关联与交叉.多维度的多媒体相似性计算与搜索研究可以深入挖掘多媒体内容的相似性,建立更加全面的多媒体内容搜索方案.

摘要： 研究前沿探测是科学计量学的重要研究领域,而时间特征识别是对研究前沿新颖性进行判定的一个重要步骤.本文基于文献共被引分析方法分别用五种关联强度指标构建关联矩阵,进而通过Louvain算法获取研究前沿的聚类,从而比较不同关联强度指标对研究前沿新颖性的时间特征识别的灵敏度.通过对科学计量学领域的案例研究,我们发现五种关联强度指标对研究前沿新颖性的时间特征的识别产生了不同的影响,其中Inclusion指数在分析新颖性的时间特征上的最终结果中表现较好.

摘要： In order to analyze and manage the high-dynamic dance video,it is necessary to study the design method of re-trieval system for specific action fragments in video. The current lens content based design method of specific action fragments re-trieval system for high-dynamic dance video has the problem of low retrieval efficiency. In order to shorten the running time of the retrieval system and improve the precision ratio,a similarity calculation based design method of specific action fragments re-trieval system for high-dynamic dance video is put forward. The initialization processing and update were performed for the spe-cific action fragments background in high-dynamic dance video to acquire the foreground image of the specific action fragments, and realize its feature detection. According to the results of the feature detection,the density distribution,close degree and dis-crete degree of the specific action fragments,as well as active block ratio and similarity of the specific action fragments are calcu-lated. On this basis,the framework of the specific action fragments retrieval system was designed. The experimental results show that the proposed method can improve the recall ratio and precision ratio,and shorten the running time of the retrieval system.%为了实现高动态舞蹈视频的分析和管理,需要对视频中特定动作片段检索系统设计方法进行研究.当前基于镜头内容的高动态舞蹈视频特定动作片段检索系统设计方法存在检索效率较低的问题.为了减少检索系统运行时间,提高查准率,提出一种基于相似性计算的高动态舞蹈视频特定动作片段检索系统设计方法.首先对高动态舞蹈视频中特定动作片段的背景进行初始化处理和更新,获取特定动作片段前景图像,实现其特征检测;然后依据特征检测结果,计算特定动作片段的密度分布、紧密程度和离散程度,以及特定动作片段的活跃块比率和它们之间的相似性;最后在此基础上设计特定动作片段的检索系统框架.实验结果分析证明,所提方法能够提高查全率和查准率,且减少了检索系统运行时间.

摘要： 多模态深度学习主要研究方向包括多模态数据表示、跨模态相似性计算、对齐、多模态数据转换、模态数据融合、协同学习。

摘要： 随着互联网的发展以及社交网络服务的普及,人们使用互联网传播信息的门槛逐渐降低,越来越多的人们通过多种多样的社交媒体来分享自己的个人信息.如今的互联网,充斥着巨量的个人信息,包括用户关注的事物、生活中的新闻、用户对社会事件发表的评论等.且可以发现一个现象,这些个人信息并不是随意的分布在互联网中的,而是有规律的按照社交媒体的特质分门别类的分布在各个社交媒体之中.所以通过任何一个单一的社交媒体了解用户都只能获取该用户一部分的信息,只有通过多个社交媒体共同的去了解用户,才能得到较为完整的信息.在不同的社交媒体之中发现一个人的多个社交账号(亦即个体身份识别)是社交数据融合的前提.个体身份识别是一个从不同的数据来源识别单一个体的过程.因此提出一种方法使用用户社会网络关系以及用户行为模式进行个体身份匹配.在收集了可能获得的用户社交网络以及用户信息之后,这个方法对这些信息进行分析和比较,包括进行网络之中结点的相似性计算以及字符串相似性计算,最后根据计算结果判定是否匹配.该方法划分为两个模块,分别为相似度计算模块与计算结果优化模块.

摘要： 大量中医药有效性证据存在于中医个案中，但要得到循证医学的认可还需要进一步的研究；目前道的研究主要有个案报道并文献复习、流行病学统计和对不良反应个案报道的系统性综述等几种形式；本文认为可以进一步挖掘中医个案的循证医学使用价值，即通过阅读个案增加临床医生的经验，通过复诊个案疗效判断发掘疗效确切的临床证据，通过中医个案相似性计算将中医药有效性证据和患者的具体情况想结合。

摘要： 对票据图像进行快速、准确地分类是实现票据自动处理的基础.针对表格型票据的特点,提出了一种基于框线匹配的票据图像预分类方法,首先按照票据框线的拓扑结构建立可靠的模板库,再自动提取票据图像的框线特征,将由框线组成的版面特征与模板库中的票据模板进行匹配,并通过相似性计算来确定票据的种类.实验证明了该方法是一种快速、有效的票据图像预分类方法,为后续处理提供了极大的便利。

摘要： 相似度计算方法在数据挖掘中具有重要的意义。深入分析了以距离作为相似性度量策略的局限性，提出了一种以实例内部特征结构及其相互关系为度量的相似性度量方法。此方法深入挖掘了实例特征的内部结构特征，具有很高准确性。以结构距离对多标签的基于图的半监督学习算法（ML-GRF）相似性模块进行改进，实验显示其准确性有较大的提高，结构距离作为相似度度量策略有很高的准确性。

摘要： 相似度计算方法在数据挖掘中具有重要的意义。深入分析了以距离作为相似性度量策略的局限性，提出了一种以实例内部特征结构及其相互关系为度量的相似性度量方法。此方法深入挖掘了实例特征的内部结构特征，具有很高准确性。以结构距离对多标签的基于图的半监督学习算法（ML-GRF）相似性模块进行改进，实验显示其准确性有较大的提高，结构距离作为相似度度量策略有很高的准确性。

摘要： 相似度计算方法在数据挖掘中具有重要的意义。深入分析了以距离作为相似性度量策略的局限性，提出了一种以实例内部特征结构及其相互关系为度量的相似性度量方法。此方法深入挖掘了实例特征的内部结构特征，具有很高准确性。以结构距离对多标签的基于图的半监督学习算法（ML-GRF）相似性模块进行改进，实验显示其准确性有较大的提高，结构距离作为相似度度量策略有很高的准确性。

摘要： 相似度计算方法在数据挖掘中具有重要的意义。深入分析了以距离作为相似性度量策略的局限性，提出了一种以实例内部特征结构及其相互关系为度量的相似性度量方法。此方法深入挖掘了实例特征的内部结构特征，具有很高准确性。以结构距离对多标签的基于图的半监督学习算法（ML-GRF）相似性模块进行改进，实验显示其准确性有较大的提高，结构距离作为相似度度量策略有很高的准确性。

摘要： 相似度计算方法在数据挖掘中具有重要的意义。深入分析了以距离作为相似性度量策略的局限性，提出了一种以实例内部特征结构及其相互关系为度量的相似性度量方法。此方法深入挖掘了实例特征的内部结构特征，具有很高准确性。以结构距离对多标签的基于图的半监督学习算法（ML-GRF）相似性模块进行改进，实验显示其准确性有较大的提高，结构距离作为相似度度量策略有很高的准确性。

摘要： 一种能够评价至少两类文档中具有高相似性的部分的集中和分散程度的文档相似性评价系统或类似系统，包括：片段搜索单元，在第一片段串和第二片段串二者中寻找公共片段，对找到的公共片段的个数进行计数，并识别出现所述公共片段的出现范围；以及相似性指数计算单元，执行：计算第一和，即片段搜索单元识别出的出现范围中包括的每个片段的字符个数和；计算第二和，即是被识别为公共片段的每个片段的字符个数和；并且使用以下等式计算对第一片段串与第二片段串之间的相似性加以指示的相似性指数：相似性指数＝F(NTC)/G(NCC)×NS(其中，NTC是第一和，NCC是第二和，NS是公共片段的个数，函数F和函数G是将特定整数值与正实数值相关联的单调增函数)。

摘要： 本发明提出了一种基于相似性和相似性可信度的协同过滤推荐算法及装置，该算法在概率矩阵分解模型的基础上，通过相似性关系约束潜在特征向量的夹角余弦，并通过相似性可信度影响约束权重。由于相似性可信度的约束，该算法有效减弱了评分稀疏性问题对相似性关系的影响，强化了模型对重要相似性关系的学习能力，从而缓解了评分稀疏性问题。相关实验表明该算法的推荐效果明显优于当前其它同类算法。接下来的工作就是将此算法运用于实际的推荐系统中，弥补传统推荐系统在实际应用中的数据稀疏性问题及其带来的推荐效果不佳的问题。

摘要： 本发明公开了一种计算多类别数据集不同类别间相似性矩阵的改进方法，当计算多类别样本集的相似性矩阵(不同类别两两之间的相似性以及每个类别内部元素的相似性)时，依次选择每个类别样本集的中心作为坐标原点计算相似性矩阵，最后将得到的多个相似性矩阵平均值作为最终的相似性矩阵。本发明克服了传统方法只选取一个坐标原点的缺点，可以有效避免上述三点问题。本发明有很强的鲁棒性，对各种特殊情况都适用。最后，本发明在脑数据分析中的表征相似性分析中有很重要的应用价值。

摘要： 本发明涉及用于自动的、基于计算机的文本表达的相似性加权的设备和方法。本发明的系统或方法包括文档数据库单元(1)、候选表达存储单元(2)、相似性权重值计算单元(3)，且特征在于，可以基于相似度occ_con(t

摘要： 一种能够评价至少两类文档中具有高相似性的部分的集中和分散程度的文档相似性评价系统或类似系统，包括：片段搜索单元，在第一片段串和第二片段串二者中寻找公共片段，对找到的公共片段的个数进行计数，并识别出现所述公共片段的出现范围；以及相似性指数计算单元，执行：计算第一和，即片段搜索单元识别出的出现范围中包括的每个片段的字符个数和；计算第二和，即是被识别为公共片段的每个片段的字符个数和；并且使用以下等式计算对第一片段串与第二片段串之间的相似性加以指示的相似性指数：相似性指数＝F(NTC)/G(NCC)×NS(其中，NTC是第一和，NCC是第二和，NS是公共片段的个数，函数F和函数G是将特定整数值与正实数值相关联的单调增函数)。

摘要： 本发明公开了一种案件相似性对比模型的训练方法及案件相似性对比方法，所述训练方法包括：利用神经网络构建案件相似性对比模型；获取历史案件，并按照历史案件中所包含的物体的相似性构建训练样本集，所述训练样本集包括正样本和负样本，所述正样本为所包含的物体与基准目标物体的相似性高于第一预设阈值的案件中物体的图像，所述负样本为所包含的物体与基准目标物体的相似性低于所述第一预设阈值的案件或随机选取的历史案件中物体的图像；利用所述训练样本集训练所述案件相似性对比模型。通过本发明技术方案能够自动筛选出具有相似性的案件。

摘要： 本发明提出的一种基于语义相似性分析的技术文件相似性排查方法，从待分析的两份文件中各抽取一个关键词形成词语组合，结合罗列出的所有词语组合的相似度计算待分析的两份文件相似性评估值；词语组合的相似度为其包含的两个关键词之间的相似度。本发明提出的一种基于语义相似性分析的技术文件相似性排查方法，在计算待分析的两份文件之间的文本相似度时，根据关键词组合进行分析，使得相似度的计算更加清晰明确。

摘要： 本发明提出了一种基于相似性和相似性可信度的协同过滤推荐算法及装置，该算法在概率矩阵分解模型的基础上，通过相似性关系约束潜在特征向量的夹角余弦，并通过相似性可信度影响约束权重。由于相似性可信度的约束，该算法有效减弱了评分稀疏性问题对相似性关系的影响，强化了模型对重要相似性关系的学习能力，从而缓解了评分稀疏性问题。相关实验表明该算法的推荐效果明显优于当前其它同类算法。接下来的工作就是将此算法运用于实际的推荐系统中，弥补传统推荐系统在实际应用中的数据稀疏性问题及其带来的推荐效果不佳的问题。

摘要： 本发明公开了一种基于复杂网络结点相似性的计算事件相似性的方法和系统，其方法包括：获取事件信息，并提取所述事件信息的关键词；计算任意两个事件信息中相同关键词的比例；根据所述任意两个事件信息中相同关键词的比例构建事件网络；计算事件网络中任意两个节点的相似性；将相似性大于合并阈值的两个节点对应的事件信息进行合并。本发明能够有效地计算事件信息的相似度，并将相似性大于合并阈值的两个事件信息进行合并，此外，本发明降低了事件相似性计算过程中的计算量，提高事件相似性计算的准确率。

摘要： 本发明公开了一种基于复杂网络结点相似性的计算事件相似性的方法和系统，其方法包括：获取事件信息，并提取所述事件信息的关键词；计算任意两个事件信息中相同关键词的比例；根据所述任意两个事件信息中相同关键词的比例构建事件网络；计算事件网络中任意两个节点的相似性；将相似性大于合并阈值的两个节点对应的事件信息进行合并。本发明能够有效地计算事件信息的相似度，并将相似性大于合并阈值的两个事件信息进行合并，此外，本发明降低了事件相似性计算过程中的计算量，提高事件相似性计算的准确率。