书中文学网

手机浏览器扫描二维码访问

第336章 好（第3页）

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（svm）、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着的效果。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

间的距离来衡量词语之间的相似度。word2vec

算法在文本相似度计算领域具有广泛的影响。斯坦

福大学等机构的研究者提出了

bert

模型，该模型通过大量的无监督学习来捕捉文本的上下文信

息，可以实现高精度的文本相似度计算。bert

模型在多项自然语言处理任务中均取得了优异的表

现。

2.5

本章小结

本章主要介绍了本项目中使用的四种关键技术与模型。这些技术主要基于大型语言模型，并且

依赖于

rag

技术的原理。介绍了知识抽取技术，它利用先进的自然语言处理技术从文本中提取有意

义的信息和知识，随后讨论了文本处理中所使用的

rag

技术，该技术可以显着提高大型语言模型在

专业领域的性能，增强信息检索的准确性和效率。最后探讨了在文本比对过程中所需的相似度计算

方法，这对于评估文本之间的相似程度至关重要。

了解清楚数据获取来源后，进行数据采集，数据采集的方法包括自动化和手动两种方式：

自动化采集：利用编写的

python

脚本通过

api

接口自动从上述数据库和期刊中下载文献和元

数据，部分代码如图

3.2

所示。这种方法的优点是效率高，可以大量快速地收集数据。使用

我在修仙游戏世界中浑水摸鱼  我在无限游戏中永生  七零大厂美人，改造反派崽暴富  都市神医，开局扇醒拜金女  穿越明朝之我救了马皇后  七零娇美人，甩掉知青当首富  医林萧韵  武侠游戏：只有我知道剧情  快穿：盘古居然是我哥  新来的转校生竟比校霸还野  逼我做妾？真太子为我入赘将军府  凛冬末日：全民避难所求生  京港月光  我手握无限物资，砸出末世安全区  跌落山崖的我，习得神级功法  穿成花瓶美人，反派老公破产了  八零守寡小娇娇，冷面糙汉被钓疯  空间通末世，我带飞全家很合理吧  沙雕攻以为他虐了白月光  小马宝莉：星空之下