semaphore提示您：看后求收藏（第266章 先睡了,离语,semaphore,新八一中文网），接着再看更方便。
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
和上下文，通过比较文本的语义信息来计算相似度。常见的基于语义的方法有基于词向量的方法
（如 word2vec、glove 等）和基于主题模型的方法（如 lda、plsa 等）。最后是基于机器学习的方
法分类，这种方法利用机器学习算法来训练模型，通过模型来预测文本之间的相似度。常见的基于
机器学习的方法有支持向量机（sv）、神经网络等。
目前，在国内外，文本相似度计算已经取得了丰富的成果。国内方面，清华大学等机构的研究
者提出了基于深度学习的文本相似度计算方法，利用神经网络模型来捕捉文本的深层语义信息，实
现了较高的相似度计算精度。江苏师范大学的研究者提出了利用《新华字典》构建向量空间来做中
文文本语义相似度分析的方法，该方法在中文文本相似度计算方面取得了显著的效果。放眼国外，
google 的研究者提出了 word2vec 算法，该算法将词语表示为高维向量空间中的点，通过计算点之
本章未完，点击下一页继续阅读。