基于规则嵌入的论文比对系统（14）-模型最终整合+文件结构说明

规则函数整理

简单说明

另外三个同学分别负责的三个规则（①ccs分类形似度 ②refference相似度 ③子空间sentence关键词相似度）+④我自己补充的关于keywords的杰卡德相似度，将这四部分的函数实现都放在一个rules.py文件里，参数都是两篇论文的paper_Id（③的参数还有一个0-4的子空间Id值的选择）,返回值均为相似度值

代码

这里就不再展示了，四个规则函数在我之前的博客，以及我的另外三位队友的博客里都有详细解释说明。我所作的工作就是把他们整合起来，进行报错的处理（比如 division by 0的问题，我就在分母上加了0.00001，还有索引越界的问题，在他们原来代码的基础上添加了一些条件语句）

文件结构介绍

• ACM_dataset文件夹存放的是ACM数据集的一些原始数据
  

• data文件夹存放的是子空间label生成模型处理过的数据
  

• data_process_result文件夹存储的是在过程中处理的数据结果（存起来主要为了后面使用更快速）
  

• model文件夹存放的是最终训练得到的模型以及存储word2vec结果的向量
  

• allTestSample-测试数据处理

• buildModel-模型构建+模型训练

• config-存放参数

• data_process-前期数据预处理

• PaperId2SubspaceNum-生成论文Id和子空间分布之间的对应关系

• prediction-模型预测

• rules-所有规则处理的函数

• SentToVec-word2vec生成词向量