本文提出了一种加速球形K均值聚类算法，针对大规模高维稀疏文档数据集，显著减少相似性计算中的乘法次数，实验结果表明其速度优于现有技术。

本研究提出了一种结构增强图匹配网络（SEGMN），旨在解决现有图相似性计算方法的不足。通过双重嵌入学习和结构感知匹配，SEGMN在GED回归任务中超越了现有方法，基线性能提升最多达25%。

本研究探讨语言模型在属性继承中的作用，发现分类知识与相似性计算相互关联，促进新属性在类别间的投射。这为理解语言模型的概念结构提供了新的视角。