专利汇可以提供一种改进的密度文本聚类算法专利检索,专利查询,专利分析的服务。并且一种改进的 密度 文本聚类 算法 ,利用分词技术对文本分词处理,匹配停用词表对词汇进行去停用词操作,根据调研统计,得出一系列词汇 位置 和词性权重值,根据词汇在文本中的权重和词汇在文本库中的权重 构造目标函数提取文本特征词汇向量,再利用改进的基于密度中心算法,对文本库进行聚类;本 发明 比传统文本特征词汇提取方法准确度更高,具有更好的应用价值, 数据处理 效果好,克服了信息增益方法的缺点,结果更符合经验值,解决了文本特征词汇高维稀疏的问题,大大降低噪声和孤立点对簇分类的影响,有利于发现任意形状的簇,同时计算了不同词汇对文本思想的贡献度。,下面是一种改进的密度文本聚类算法专利的具体信息内容。
1.一种改进的密度文本聚类算法,本发明涉及语义网络技术领域,具体涉及一种改进的密度文本聚类算法,其特征是,包括如下步骤:
步骤1:初始化文本库,对文本进行预处理过程,其具体预处理技术如下:
步骤1.1:分词是文本预处理的第一个步骤,在英文文本中,词语间由空格隔开,因此不需要这一步骤,而中文文本中,词之间是没有空格的,必须进行分词处理,具体分词技术如下:
步骤1.1.1:根据《分词词典》找到待分词句子中与词典中匹配的词,把待分词的汉字串完整的扫描一遍,在系统的词典里进行查找匹配,遇到字典里有的词就标识出来;如果词典中不存在相关匹配,就简单地分割出单字作为词;直到汉字串为空
步骤1.1.2:依据概率统计学,将待分词句子拆分为网状结构,即得n个可能组合的句子结构,把此结构每条顺序节点依次规定为 ,其结构图如图2所示
步骤1.3:基于信息论方法,给上述网状结构每条边赋予一定的权值,其具体计算过程如下:
根据《分词词典》匹配出的字典词与未匹配的单个词,第i条路径包含词的个数为 ,即n条路径词的个数集合为
得
在上述留下的剩下的(n-m)路径中,求解每条相邻路径的权重大小
在统计语料库中,计算每个词的信息量 ,再求解路径相邻词的共现信息量,既有下式:
上式 为文本语料库中词 的信息量, 为含词 的文本信息量
上式 为 在文本语料库中的概率,n为含词 的文本语料库的个数
上式 为含词 的文本数概率值,N为统计语料库中文本总数
同理
为在文本语料库中词 的共现信息量, 为相邻词
共现的文本信息量
同理
上式 为在文本语料库中词 的共现概率,m为在文本库中词
共现的文本数量
为文本库中相邻词 共现的文本数概率
综上可得每条相邻路径的权值为
步骤1.4:找到权值最大的一条路径,即为待分词句子的分词结果,其具体计算过程如下:
有n条路径,每条路径长度不一样,假设路径长度集合为
假设经过取路径中词的数量最少操作,排除了m条路径,m
上式 分别为第1,2到 路径边
的权重值,根据步骤1.4可以一一计算得出, 为剩下(n-m)路径中第 条路径的长度
权值最大的一条路径:
步骤1.2:去停用词为中文文本预处理第二步骤,根据停用表对文本词汇进行去停用词处理,其具体描述如下:
停用词是指在文本中出现频率高,但对于文本标识却没有太大作用的单词,去停用词的过程就是将特征项与停用词表中的词进行比较,如果匹配就将该特
征项删除
综合分词和删除停用词技术,中文文本预处理过程流程图如图3
步骤2:根据词汇在文本中的位置得到一系列词汇位置权重值 ,其具体描述如下:
各个词在文本中的分布是不同的,而不同位置的词对于表示文本内容的能力也是不同的,这个可以根据统计调查得出一系列的位置权重值
步骤3:根据词汇在文本中的词性得到一系列词汇词性权重值 、 、 、 ,其具体描述如下:
现代汉语语法中,一个句子主要由主语、谓语、宾语、定语和状语等成分构成,从词性的角度看,名词一般担当主语和宾语的角色,动词一般担当谓语的角色,形容词和副词一般担当定语的角色,词性的不同,造成了它们对文本或者句子的表示内容的能力的不一样,根据调查统计得出名词、动词、形容词、副词的权重值依次为 、 、 和 ,且
步骤4:综合上述位置与词性,根据词汇在文本中信息量,得到词汇在文本中的权重和词汇在文本库中的权重 ,归一化处理上述因子,得到提取特征词汇的目标函数步骤5:利用改进的基于密度的中心算法,对文本库进行聚类。
2.根据权利要求1中所述的一种改进的密度文本聚类算法,其特征是,以上所述步骤4中的具体计算过程如下:
步骤4:综合上述位置与词性,根据词汇在文本中信息量,得到词汇在文本中的权重和词汇在文本库中的权重 ,归一化处理上述因子,得到提取特征词汇的目标函数 ,其具体计算过程如下:
上式h为特征词汇i在文本中出现的段落数, 为第j段的位置权重值,
, 为词汇i的词性权重值, , 为词汇
i在第j段出现的次数, 为词汇i所在文本中特征词汇集合的总个数
为文本库中文本的数量, 为词汇i在第w文本中概率, 为词汇i在文本库中的平均概率
词汇在文本中的权重 和词汇在文本库中的权重 进行归一化处理,得 :
r为文本中特征词汇的个数
设定一个合适的目标函数阈值y,提取文本的特征词汇向量,有下式:
满足上式,即为文本的特征词汇。
3.根据权利要求1中所述的一种改进的密度文本聚类算法,其特征是,以上所述步骤5中的具体计算过程如下:
步骤5:利用改进的基于密度中心算法,对文本库进行聚类,其具体子步骤如下:
步骤5.1:对于数据对象集合中的每一对象,即文本特征词汇向量 计算 领域内的对象数目;
步骤5.2:如果文本特征词汇向量 的 邻域包含的数据对象数目大于或等于设定好的阈值N ,则建一个以 为核心对象的簇M,簇中包含 的 邻域内所有对象步骤5.3:利用下式m函数寻找核心对象密度可达的对象,并将其包含到簇M中,其具体计算过程如下:
为当前文本特征词汇向量 到 中心点的距离, 为当前文本特征词汇
向量 到空间全局中心点的距离,相似度与距离成反比,所以取更小的N个向量归为一类分类
步骤5.4:转到步骤5.3,直到没有新的数据对象添加到簇中。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
对冷站机房的暖通逻辑流程进行编辑的方法和装置 | 2020-05-08 | 361 |
一种PE文件地址定位系统 | 2020-05-12 | 973 |
一种营销策略的构建方法及装置 | 2020-05-12 | 155 |
一种复合材料雷击烧蚀损伤仿真分析的新方法 | 2020-05-08 | 478 |
计算成像管线 | 2020-05-13 | 710 |
一种高中低压一体化配电网络可靠性混合计算方法 | 2020-05-08 | 966 |
一种汞离子比色传感器及其制备方法和应用 | 2020-05-12 | 709 |
一种经济活动业务内控审批系统 | 2020-05-08 | 720 |
数据处理方法、装置及系统 | 2020-05-12 | 353 |
一种基于拖拽式流程的大数据挖掘工具及方法 | 2020-05-13 | 994 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。