申请/专利权人:银江技术股份有限公司
申请日:2023-12-27
公开(公告)日:2024-04-26
公开(公告)号:CN117933242A
主分类号:G06F40/284
分类号:G06F40/284;G06F40/216;G06F40/166;G06F16/35;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种文本新词发现分析方法、系统、装置和介质,包括获取各行业的文本数据,得到原始新词数据集;基于文本内容的行业类别字段进行筛选,得到行业文档集;基于原始新词数据集中每条原始新词数据进行分词,确定第一候选新词集;基于行业文档集和第一候选新词集,通过预先训练好的主题模型确定原始新词数据集相对应的主题关键词预测概率,并根据主题关键词预测概率对第一候选新词集进行更新确定第二候选新词集;基于原始新词数据集和第二候选新词集进行聚类处理,确定目标候选新词集。本申请能够获得具有较高行业区别度的新词,在确保准确率和效率提高的同时,为特定行业下的新词发现提供更加高效准确的解决方案。
主权项:1.一种文本新词发现分析方法,其特征在于,所述方法包括:获取各行业的文本数据,对所述文本数据进行结构化处理,得到原始新词数据集,其中,所述原始新词数据集中每条原始新词数据的文本内容包括行业类别字段、标题字段和描述字段;基于所述文本内容的行业类别字段进行筛选,并提取相对应的描述字段的文本内容,得到行业文档集;基于所述原始新词数据集中每条原始新词数据进行分词,确定第一候选新词集;基于所述行业文档集和所述第一候选新词集,通过预先训练好的主题模型确定所述原始新词数据集相对应的主题关键词预测概率,并根据所述主题关键词预测概率对所述第一候选新词集进行更新确定第二候选新词集;基于所述原始新词数据集和所述第二候选新词集进行聚类处理,确定目标候选新词集。
全文数据:
权利要求:
百度查询: 银江技术股份有限公司 一种文本新词发现分析方法、系统、装置和介质
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。