[发明专利]文本处理方法及装置有效
| 申请号： | 201910346113.X | 申请日： | 2019-04-26 |
| 公开（公告）号： | CN110110328B | 公开（公告）日： | 2023-09-01 |
| 发明（设计）人： | 靳彦召 | 申请（专利权）人： | 北京零秒科技有限公司 |
| 主分类号： | G06F40/216 | 分类号： | G06F40/216;G06F40/253 |
| 代理公司： | 北京知果之信知识产权代理有限公司 11541 | 代理人： | 唐海力 |
| 地址： | 100089 北京市海淀*** | 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： | |||
| 搜索关键词： | 文本 处理 方法 装置 | ||
1.一种文本处理方法，其特征在于，包括：
获取短文本语料，按照预设格式部署每条短文本并将所有所述短文本作为一个目标文档；
统计所述目标文档中每个词出现的词频以及所述目标文档中所有词的词频总和；
根据所述词频和所述词频总和，计算得到所述词的词权重；
其中，获取短文本语料，按照预设格式部署每条短文本并将所有所述短文本作为一个目标文档包括：获取短文本语料，按照每行部署一条短文本的格式部署每条短文本并将所有所述短文本作为一个目标文档；
其中，统计所述目标文档中每个词出现的词频以及所述目标文档中所有词的词频总和包括：统计所述目标文档中每个词出现的词频WF；统计所述目标文档中所有词的词频总和DF；
其中，根据所述词频和所述词频总和，计算得到所述词的词权重包括：计算词权重WW＝ln(DF/WF)。
2.根据权利要求1所述的文本处理方法，其特征在于，用于处理短文本中出现频率高但无意义词的权重。
3.根据权利要求1所述的文本处理方法，其特征在于，用于处理短文本中出现频率高但无意义词包括如下的一种或多种：语气词、助词、代词。
4.一种文本处理装置，其特征在于，包括：
获取模块，用于获取短文本语料，按照预设格式部署每条短文本并将所有所述短文本作为一个目标文档；
统计模块，用于统计所述目标文档中每个词出现的词频以及所述目标文档中所有词的词频总和；
计算模块，用于根据所述词频和所述词频总和，计算得到所述词的词权重；
其中，所述获取模块，用于获取短文本语料，按照每行部署一条短文本的格式部署每条短文本并将所有所述短文本作为一个目标文档；
其中，所述统计模块用于，统计所述目标文档中每个词出现的词频WF；统计所述目标文档中所有词的词频总和DF；
其中，所述计算模块，用于计算词权重WW＝ln(DF/WF)。
5.根据权利要求4所述的文本处理装置，其特征在于，用于处理短文本中出现频率高但无意义词的权重。
6.根据权利要求4所述的文本处理装置，其特征在于，用于处理短文本中出现频率高但无意义词包括如下的一种或多种：语气词、助词、代词。
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京零秒科技有限公司，未经北京零秒科技有限公司许可，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/pat/books/201910346113.X/1.html，转载请声明来源钻瓜专利网。
