摘要： 内检测数据对齐有助于提高内检测数据的利用率,目前国内外学者已初步建立内检测对齐流程.然而针对管道大数据背景下需匹配字段繁杂、中文字段描述多样等问题仍缺乏解决方案.本文采用中文语义相似度计算方法,计算各类字段与模板字段的相似度,确定其匹配度,可以从大量字段中选取匹配字段,实现不同来源内检测数据的对齐.本文在原有的基于同义词词林计算方法的基础上进行改进,并使用内检测报告中的实际字段进行计算,通过比对发现,本文改进的方法能够区分内检测报告中的不同字段,对多来源内检测数据对齐有较好的适用性.

关键词: 语义相似度, 内检测, 数据对齐, 同义词词林, 长输管道