[发明专利]一种文本字词权重计算方法及系统、存储介质及终端有效
| 申请号： | 201910671784.3 | 申请日： | 2019-07-24 |
| 公开（公告）号： | CN110442678B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 温国华;温艳鸿 | 申请（专利权）人： | 中智关爱通（上海）科技股份有限公司 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06F16/35;G06F40/216 |
| 代理公司： | 上海光华专利事务所(普通合伙) 31219 | 代理人： | 徐秋平 |
| 地址： | 200233 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 文本 字词 权重 计算方法 系统 存储 介质 终端 | ||
1.一种文本字词权重计算方法，其特征在于：包括以下步骤：
获取文本集合和关键词集合；
对所述文本集合的所有文本进行分词处理，获取多个字词形成的字词向量T和由字词和分隔符组成的文本形成的语料库；
计算所述字词向量T第j个字词在所述语料库第i个文本的TF值TFij，其中i∈[1,m]，j∈[1,n]，m为所述语料库中文本的个数，n为所述字词向量T中字词的个数；
计算所述字词向量T第j个字词相对于所述语料库的DF值DFj；
基于所述关键词集合计算所述字词向量T第j个字词相对于所述语料库的IDF值IDFj；
合并所述字词向量T第j个字词的DF值和IDF值，得到DFIDF值DFIDFj；
根据计算所述字词向量T第j个字词在所述语料库第i个文本的权重。
2.根据权利要求1所述的文本字词权重计算方法，其特征在于：计算所述字词向量T第j个字词相对于所述语料库的DF值DFj采用以下公式：
其中，Tj表示所述字词向量T第j个字词，DSi表示所述语料库中第i个文本。
3.根据权利要求1所述的文本字词权重计算方法，其特征在于：基于所述关键词集合计算所述字词向量T第j个字词相对于所述语料库的IDF值IDFj采用以下公式：
其中，ln表示自然对数，K表示所述关键词集合。
4.根据权利要求1所述的文本字词权重计算方法，其特征在于：合并所述字词向量T第j个字词的DF值和IDF值采用以下公式：
5.一种文本字词权重计算系统，其特征在于：包括获取模块、处理模块、第一计算模块、第二计算模块、第三计算模块、合并模块和第四计算模块；
所述获取模块用于获取文本集合和关键词集合；
所述处理模块用于对所述文本集合的所有文本进行分词处理，获取多个字词形成的字词向量T和由字词和分隔符组成的文本形成的语料库；
所述第一计算模块用于计算所述字词向量T的第j个字词在所述语料库第i个文本的TF值TFij，其中i∈[1,m]，j∈[1,n]，m为所述语料库中文本的个数，n为所述字词向量T中字词的个数；
所述第二计算模块用于计算所述字词向量T第j个字词相对于所述语料库的DF值DFj；
所述第三计算模块用于基于所述关键词集合计算所述字词向量T第j个字词相对于所述语料库的IDF值IDFj；
所述合并模块用于合并所述字词向量T第j个字词的DF值和IDF值，得到DFIDF值DFIDFj；
所述第四计算模块用于根据计算所述字词向量T第j个字词在所述语料库第i个文本的权重。
6.根据权利要求5所述的文本字词权重计算系统，其特征在于：所述第二计算模块用于计算所述字词向量T第j个字词相对于所述语料库的DF值DFj采用以下公式：
其中，Tj表示所述字词向量T第j个字词，DSi表示所述语料库中第i个文本。
7.根据权利要求5所述的文本字词权重计算系统，其特征在于：所述第三计算模块用于基于所述关键词集合计算所述字词向量T第j个字词相对于所述语料库的IDF值IDFj采用以下公式：
其中，ln表示自然对数，K表示所述关键词集合。
8.根据权利要求5所述的文本字词权重计算系统，其特征在于：所述合并模块用于合并所述字词向量T第j个字词的DF值和IDF值采用以下公式：
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中智关爱通（上海）科技股份有限公司，未经中智关爱通（上海）科技股份有限公司许可，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/201910671784.3/1.html，转载请声明来源钻瓜专利网。
