邢翠鹃

（南京师范大学 文学院，江苏 南京 210097）

基于向量空间模型的文本风格相似度分析
——以女性文学为例

邢翠鹃

（南京师范大学 文学院，江苏 南京 210097）

本文主要用向量空间模型（Vector Space Model，VSM）来分析女性文学代表作家的作品，通过TF-IDF计算文本特征项的权重，最后根据计算结果来分析这些女性文学作家作品的文本风格相似度。并以此证明同时代不同作家或不同时代同类作家（女性文学作家）的文本是同中有异，异中有同，此外还分析了部分特征词的分布情况。

向量空间模型 TF-IDF 文本相似度 女性文学

引言：

文本中的相似度计算是自然语言处理领域中的关键问题之一，在信息检索、信息抽取、专利分析等领域都有着重要的应用价值。面对现代网络信息时代的海量信息，我们可以通过文本相似度算法来为信息分类，以提高信息检索的效率。早在20世纪30年代，西方文体学界即开始引入定量分析，尤其是统计学的方法［1］，而将计算方法应用于汉语语言风格学研究最早始于20世纪70、80年代，人们用词频统计等方法来考证《红楼梦》的作者归属问题。这种方法也得到了我国语言风格学界一些学者的肯定，如黎运汉先生就专文论述了语言风格研究中常用的三种方法:分析综合法、比较法和统计法。他指出，“统计法适用于各种语言风格的研究”，因为“风格特点的质必然反映在语言因素的量上”，“风格学应用它提供的数据，从质和量的统一上研究风格现象，进而认识风格的本质”［2］。……