基于隐含主题的长度各异文本间文档相似度计算
计算与语言
2019-03-27 v1
摘要
度量文本间相似度是若干应用中的一项重要任务。现有的文档相似度度量方法对于长度不可比的文档对（如长文档与其摘要）并不充分。这是因为富含细节的长文档与其抽象信息的简明摘要之间存在词汇、上下文与抽象性鸿沟。在本文中，我们提出一种文档匹配方法以弥合这一鸿沟，通过在隐含主题的共同空间中比较文本。我们在两个匹配任务上评估该匹配算法，发现其持续且广泛地优于强基线方法。我们还强调了将领域知识引入文本匹配的好处。
引用
@article{arxiv.1903.10675,
title = {Document Similarity for Texts of Varying Lengths via Hidden Topics},
author = {Hongyu Gong and Tarek Sakakini and Suma Bhat and Jinjun Xiong},
journal= {arXiv preprint arXiv:1903.10675},
year = {2019}
}