文本新颖性探测是指按时间顺序在给定的一些相关文献集中，比较新到相关文本与已有文本之间内容的冗余度，确定新到文本内容是否新颖[1]。对于科技文献质量的创新性、新颖性的分析评价，目前没有统一的标准，可以通过以下方法进行。一是基于文献计量学的引文分析法。该方法利用科学文献间的引用关系反映科技成果的学术价值以及学术地位，说明科学知识和情报内容的继承和利用，评价推荐出新颖性文献[2]，其最大缺点是时间的滞后性。二是基于向量空间模型的相似度计算方法。应用最广泛的是向量夹角余弦值。Salton[3]提出TFIDF算法进行权重赋值，该方法体现的主要思想是当一个词语在特定文献中出现的频率越高，说明它在区分文献内容属性方面的能力越强；一个词语在特定文献中出现的范围越广，说明它在区分文献内容属性方面的能力越低。当前文本和以前文本之间的相似度越大，则新颖性越小[1]。三是基于关键词词频分析的方法。关键词是作者根据文章的主要内容、理论、方法、观点，通过概括、总结提炼出来用于揭示文章主题信息的自然语言，关键词数量通常少于自然语言词和医学主题词。不同作者因地域、时代的差异，对于事物、观点的称谓不尽相同。关键词具有一定主观性，无法做到表述一致，对文献新颖性分析存在不同程度的影响。因此，在文献新颖性分析之前，应对关键词进行规范化预处理，降低同义词、近义词、上下位词对分析结果产生的影响。……