李浩　孙媛

摘 要：文本是常用的一种信息获取方式，但是互联网上的英文教学文本资源十分庞大，由于语言障碍，学习者往往不能很好地在短时间选取。为了解决这个问题，文章用到了word2vec技术，通过模型生成文本的词向量。文本向量通过两种方法生成：一种是用文本所有词的词向量的平均值表示；另一种是利用tf-idf计算出关键词，用关键词的平均向量来表示。进而通过计算文本向量之间的距离来表示文本相似度。得出关键词的方法的结果更优，从而解决了英文教育文本的推荐问题。

关键词：文本相似度；词向量；Word2vec；教育文本

中图分类号：TP391 文献标志码：A 文章编号：1673-8454（2018）20-0091-03

教学资源不再仅仅局限于纸质文本和黑板板书的方式来呈现，而是利用到了计算机技术，以Word、PDF、PowerPoint等方式呈现，使得“教”与“学”两个过程更加方便。但教学资源如何优质共享是一个亟待解决的困难[1]。教育文本种类繁多，很多学习者不能快速准确地判断是否为自己所需，这就需要一个能精准推荐的技术。

一、相关研究

随着英文信息处理技术的发展，无论是在字词信息处理研究，还是在信息处理应用开发方面，众多科研人员进行了不懈的努力和有益的探索。在基本完成以“词”为单位的研究内容后，以“句”、“段”、“篇”为主的研究也发展十分迅速。

要想进行自然语言相关方面的研究，首先需要将人类语言数字化[2]。首先提出的是词袋表示方法，但此模型向量的维度与词典的大小成线性关系，会造成维度灾难。……