申请/专利权人:郑州轻工业大学
申请日:2023-09-20
公开(公告)日:2024-01-09
公开(公告)号:CN117371443A
主分类号:G06F40/289
分类号:G06F40/289;G06F40/216;G06F18/22
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.26#实质审查的生效;2024.01.09#公开
摘要:本发明涉及基于词频逆文档频率和最大曲率点的实体解析分块方法,包括以下步骤:S1、提取记录中的字符串类型的属性,对于数据集中的每条元组,首先按照属性名提取出字符串类型的属性,然后进行分词,分词后的令牌去除停用词,以使得每条元祖均嵌入令牌,S2、计算词频文档,计算步骤S1中每条元组嵌入的令牌的词频数,移除掉总词频数为1的令牌,建立语料库,S3、筛选令牌,根据步骤S2中建立的语料库算出记录中每个令牌的词频逆文档频率值TF_IDF,S4、完成初步分块,将步骤S3中选出的令牌作为键对记录进行初步的索引分块;本发明具有保证块质量的同时使减少率大大提升的优点。
主权项:1.基于词频逆文档频率和最大曲率点的实体解析分块方法,其特征在于:包括以下步骤:S1、提取记录中的字符串类型的属性,对于数据集中的每条元组,首先按照属性名提取出字符串类型的属性,然后进行分词,分词后的令牌去除停用词,以使得每条元祖均嵌入令牌;S2、计算词频文档,计算步骤S1中每条元组嵌入的令牌的词频数,移除掉总词频数为1的令牌,建立语料库;S3、筛选令牌,根据步骤S2中建立的语料库算出记录中每个令牌的词频逆文档频率值TF_IDF;S4、完成初步分块,将步骤S3中选出的令牌作为键对记录进行初步的索引分块;S5、计算相似度,计算每个块中每对记录的共现频率-逆块频率CF_IBF值;S6、完成块集合优化。
全文数据:
权利要求:
百度查询: 郑州轻工业大学 基于词频逆文档频率和最大曲率点的实体解析分块方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。