[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。