[发明专利]一种领域词典的构建方法在审
| 申请号： | 201611149314.3 | 申请日： | 2016-12-13 |
| 公开（公告）号： | CN106649662A | 公开（公告）日： | 2017-05-10 |
| 发明（设计）人： | 张晓霞;刘世林 | 申请（专利权）人： | 成都数联铭品科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610041 四川省成都市高新区*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及自然语言处理领域，特别涉及一种领域词典构建方法；在自动获取文本关键词的基础上，对待处理文本进行聚类，形成不同的主题文本集；在欲构建词典的领域文本集中通过人工查看，选取一部分种子词。在此基础上分析出聚类后的主题文本集与所选领域种子词的关系远近，仅保留关系较密切的主题文本集来进行领域词典扩展。在相关领域内结合算法进行领域词典的自动扩展，得到对应的词典。本发明方法在自动区分文本主题领域的基础上通过少量的部分种子词对想要构建的领域词典进行自动扩充；词典的构建效率较高，准确性高，领域的针对性很强；在文本分析和自然语言处理领域有广泛的应用前景。 | ||
| 搜索关键词： | 一种 领域 词典 构建 方法 | ||
【主权项】：
一种领域词典构建方法，其特征在于，包含以下实现步骤：(1)提取出待处理文本集中各文本的关键词；(2)对待处理文本进行聚类，生成N个主题文本集，其中N为整数且N≥2；(3)选取领域的种子词；(4)统计种子词在各主题文本集中出现的频率；将频率超过阈值的主题文本集保留，作为领域词典扩展的源文本集；(5)计算种子词与源文本集的文本中各候选词的关联度，将关联度到达阈值的候选词作为领域词存入待扩充的词典中。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都数联铭品科技有限公司，未经成都数联铭品科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611149314.3/，转载请声明来源钻瓜专利网。
- 上一篇：知识库构建方法和装置
- 下一篇：一种基于紧凑视频表征的视频拷贝检测方法
