[发明专利]一种文本挖掘的特征词权重计算方法有效
| 申请号： | 201611020416.5 | 申请日： | 2016-11-18 |
| 公开（公告）号： | CN106372064B | 公开（公告）日： | 2019-04-19 |
| 发明（设计）人： | 崔宪坤;李建强;赵申荷 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/35 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 张慧 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种文本挖掘的特征权重计算方法，将文本特征词的向量表征为分布式表达的实数值向量；根据表征特征词的分布式表达实数值向量，计算获取与该特征词关联度较大的特征词集；通过TextRank算法计算特征词的权重时，将两两特征词间的关联度加入到特征值权重的计算中；通过TextRank算法计算与该特征词关联度较大的其他特征词权重，即特征词集，并同样在计算中加入两两特征词间的关联度。采用本发明的技术方案，可以显著提高文本特征词权重的计算准确率，并能应用于文本的特征词抓取，文本分类和文本聚类中。 | ||
| 搜索关键词： | 一种 文本 挖掘 特征 权重 计算方法 | ||
【主权项】：
1.一种文本挖掘的特征权重计算方法，包括：步骤1、将文本特征词的向量表征为分布式表达的实数值向量；步骤2、根据表征特征词的分布式表达实数值向量，计算获取与该特征词关联度较大的特征词集；步骤3、通过TextRank算法计算特征词的权重时，将两两特征词间的关联度加入到特征值权重的计算中；其中，步骤3为基于Word2Vec改进的TextRank算法用于文本的特征值计算方法，其中将两两特征词间的关联度加入到TextRank特征值权重计算公式如下：![]()
S(Vi)是分词Vi的重要性(PR值)；d是阻尼系数，一般设置为0.85；ln(Vi)是存在指向分词Vi的分词集合；Out(Vi)是分词j中存在的指向的分词的集合；|Out(Vi)|是集合中元素的个数；Sim(Vi,Vj)为通过Word2Vec计算得到的Vi与Vj之间的相似度；步骤4、通过TextRank算法计算与该特征词关联度较大的其他特征词权重，即特征词集，并同样在计算中加入两两特征词间的关联度；其中，步骤4为基于Word2Vec改进的TextRank算法用于文本的特征值计算方法，其中通过TextRank算法计算与该特征词关联度较大的其他特征词权重，即特征词集的权重，并同样在计算中加入两两特征词间的关联度，其公式如下：![]()
分词Vim是分词Vi通过Word2Vec计算得到的与分词Vi关联度较高的前n个分词之一，即：{Vi,{Vi1,Vi2,Vi3,...,Vin}}，Vim∈{Vi1,Vi2,Vi3,...,Vin}；S(Vim)是分词Vim的重要性(PR值)；d是阻尼系数，一般设置为0.85；ln(Vi)是存在指向分词Vi的分词集合；Out(Vi)是分词j中存在的指向的分词的集合；|Out(Vi)|是集合中元素的个数；Sim(Vim,Vj)为通过Word2Vec计算得到的Vim与Vj之间的相似度。
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北京工业大学，未经北京工业大学许可，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/201611020416.5/，转载请声明来源钻瓜专利网。
