基于非分詞技術(shù)的科技項(xiàng)目查重研究與實(shí)現(xiàn).pdf

1、隨著我國科研投入的增加，如何管理好科研經(jīng)費(fèi)成為管理者所關(guān)心的問題。在科研項(xiàng)目立項(xiàng)管理中，常常需要找到相似的科研項(xiàng)目申請（簡稱科技項(xiàng)目查重），以避免重復(fù)立項(xiàng)或提高評審效率等。
　　 通過計(jì)算科技項(xiàng)目申請書的相似度，可以解決上述問題?？萍柬?xiàng)目申請書相似度計(jì)算，本質(zhì)上就是中文文本相似度計(jì)算。傳統(tǒng)上為了計(jì)算中文文本的相似度，需要利用分詞技術(shù)從中文文本中提取出詞作為文本的特征點(diǎn)。這種方法對詞典的依賴很大，也因此常常無法提取到科技項(xiàng)目申請書

2、中的專業(yè)名詞，而這些專業(yè)名詞卻恰恰是科技項(xiàng)目申請書最為重要的特征點(diǎn)。
　　 本文利用后綴樹來提取科技項(xiàng)目申請書中的相同部分，并挖掘后綴樹節(jié)點(diǎn)的頻繁閉項(xiàng)集作為科技項(xiàng)目申請書的特征點(diǎn)，從而構(gòu)建向量空間模型—頻繁閉項(xiàng)后綴樹節(jié)點(diǎn)集向量（FCSNV）—來計(jì)算科技項(xiàng)目申請書的相似度。
　　 本文主要做了以下研究工作：
　　 ①利用Ukkonen算法思想，本文實(shí)現(xiàn)了科技項(xiàng)目申請書集的后綴樹的構(gòu)建；
　　 ②本文實(shí)現(xiàn)了C