余弦相似度在高校综合信息系统中的应用

摘要：

针对电子科技大学综合信息系统中学术论文填报数据不准确的问题,提出了通过余弦相似度计算来识别标准期刊名或会议名的方案.首先对填报名进行预处理,并清洗来自互联网的爬取名,进而得到测试名.通过经典的TF-IDF方法,对所有测试名和标准期刊名进行分词、去除停止词和取词操作,在计算出每个单词的TF-IDF值后,即可将所有的测试名和标准期刊名都转化为由所有单词的TF-IDF值构成的多维向量.通过计算测试名和标准期刊名间的余弦相似度,即可最终识别出正确的标准期刊名.实际的识别结果表明,余弦相似度计算极大地提高了学术论文填报数据的质量.

关键词： 高等院校 综合信息系统 余弦相似度 数据预处理 多维向量转化

作者: 朱浩 连德富 左志宏 颜凯

作者单位: 电子科技大学信息中心,成都611731;威廉玛丽学院信息技术部,威廉斯堡23185 电子科技大学大数据研究中心,成都611731 电子科技大学信息中心,成都611731

会议类型: 国内会议

会议名称: 中国教育和科研计算机网CERNET第二十四届学术年会

会议地点: 济南

会议语种:中文

页码: 123-128

在线出版日期: 2017-11-19（万方平台首次上网日期，不代表论文的发表时间）