[发明专利]一种无监督构建建筑领域实体集合的方法

权利要求书

1.一种无监督构建建筑领域实体集合的方法，其特征在于，包括以下步骤：

S1，获取待筛选文本，将获取的文本中的每个句子切分为M个字或/和词，所述M为大于或者等于1的正整数；

S2，选取前K个总体得分最高的词作为候选词集D，所述K为大于或者等于1的正整数；

S3，筛选出候选词集D中与建筑领域词集具有相似语义特征的词作为领域词；其筛选出候选词集D中与建筑领域词集具有相似语义特征的词的方法为：

P(Z)＝∫P(Z|θ)P(θ)dθ，

其中，Z表示候选词集D中的词；

θ表示参数；

P(Z|θ)表示在参数θ出现的条件下，词Z出现的条件概率；

P(θ)表示先验概率密度函数；

P(Z)表示词Z在参数θ下出现的概率；

其中，D_C表示候选词集D中属于建筑领域词集中的词构成的集合；

Z_i表示词集D_C中的词；

P(Z_i|θ)表示在参数θ出现的条件下，词Z_i出现的条件概率；

P(θ)表示先验概率密度函数；

P(D_C)表示词集D_C出现的概率；

P(Z|D_C)＝∫P(Z|θ)P(θ|D_C)dθ，

其中，P(Z|θ)表示在参数θ出现的条件下，词Z出现的条件概率；

P(θ|D_C)表示后验概率密度函数；

P(Z|D_C)表示词Z属于词集D_C的概率；

其中，P(D_C|θ)表示似然函数；

P(θ)表示先验概率密度函数；

P(D_C)表示词集D_C出现的概率；

P(θ|D_C)表示后验概率密度函数；

其中，P(Z|D_C)表示词Z属于词集D_C的概率；

P(Z)表示词Z在参数θ下出现的概率；

score(Z)表示词Z属于建筑领域词集D_C的最终得分；

若词Z属于建筑领域词集D_C的最终得分大于或者等于预设得分值，则候选词集中的词汇Z属于建筑领域词集D_C。

2.根据权利要求1所述的无监督构建建筑领域实体集合的方法，其特征在于，在步骤S1中，还包括：将切分得到的所有字或/和词映射到词向量空间上。

3.根据权利要求1所述的无监督构建建筑领域实体集合的方法，其特征在于，在步骤S2中，包括以下步骤：

S21，判断计算得到的凝合度得分是否大于或者等于预设凝和度得分：

若计算得到的凝和度得分大于或者等于预设凝和度得分，则执行步骤S22；

若计算得到的凝和度得分小于预设凝和度得分，则舍去；

S22，判断计算得到的左邻度得分是否大于或者等于预设左邻度得分：

若计算得到的左邻度得分大于或者等于预设左邻度得分，则执行步骤S23；

若计算得到的左邻度得分小于预设左邻度得分，则舍去；

S23，判断计算得到的右邻度得分是否大于或者等于预设右邻度得分：

若计算得到的右邻度得分大于或者等于预设右邻度得分，则计算其总体得分情况；

若计算得到的右邻度得分小于预设右邻度得分，则舍去。