[发明专利]一种电信客服垂直领域的词库构建方法及工具在审
| 申请号： | 202010114161.9 | 申请日： | 2020-02-24 |
| 公开（公告）号： | CN111353050A | 公开（公告）日： | 2020-06-30 |
| 发明（设计）人： | 王鸿强;雷晓宇;王福君;张宇 | 申请（专利权）人： | 北京合力亿捷科技股份有限公司 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F40/284;G06F40/247 |
| 代理公司： | 北京久诚知识产权代理事务所(特殊普通合伙) 11542 | 代理人： | 余罡 |
| 地址： | 100081 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： | 一种 电信 客服 垂直 领域 词库 构建 方法 工具 | ||
1.一种电信客服垂直领域的词库构建方法，其特征在于，包括：
步骤一、将需要提取领域词库的语料库导入词库构建工具，语料数据作为训练集数据；
步骤二、利用词库构建工具对训练集数据进行分词提取，分词提取工具有Jieba工具、TF-IDF统计模型、信息熵模型和TextRank模型；
步骤三、提取后的词集导出作为专业领域词库。
2.如权利要求1所述的方法，其特征在于，所述步骤二中，通过Jieba分词法在语料库中初步分词得到分词集，构建分词词库。
3.如权利要求2所述的方法，其特征在于，基于所述分词词库，利用TF-IDF统计模型、信息熵模型和TextRank模型对其语料库重新进行分词。
4.如权利要求3所述的方法，其特征在于，将重新分词的结果“词”，重新作为Jieba的词典，重新对训练集数据进行分词，使用word2vec词向量模型计算得到各个词的向量空间。
5.如权利要求4所述的方法，其特征在于，将重新分词的结果“词”中有交集的，作为种子词；剩余的其它词作为候选词。
6.如权利要求5所述的方法，其特征在于，利用各个词的向量空间结果，将种子词与候选词进行相似度匹配，找出相似度高的K个词；然后采用投票形式，按照投票结果进行排序。
7.一种电信客服垂直领域的词库构建工具，其特征在于，包括：
语料库管理模块，用于将需要提取领域词库的语料库导入，语料数据作为训练集数据；
词库构建核心模块，用于对训练集数据进行分词提取，分词提取工具有Jieba工具、TF-IDF统计模型、信息熵模型和TextRank模型；
词库管理模块，用于构建的专业领域词库的管理。
8.如权利要求7所述的工具，其特征在于，词库构建核心模块通过Jieba分词法在语料库中初步分词得到分词集，构建分词词库。
9.如权利要求8所述的工具，其特征在于，基于所述分词词库，利用TF-IDF统计模型、信息熵模型和TextRank模型对其语料库重新进行分词。
10.如权利要求9所述的方法，其特征在于，将重新分词的结果“词”，重新作为Jieba的词典，重新对训练集数据进行分词，使用word2vec词向量模型计算得到各个词的向量空间。
11.如权利要求10所述的工具，其特征在于，将重新分词的结果“词”中有交集的，作为种子词；剩余的其它词作为候选词。
12.如权利要求11所述的工具，其特征在于，利用各个词的向量空间结果，将种子词与候选词进行相似度匹配，找出相似度高的K个词；然后采用投票形式，按照投票结果进行排序。
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合力亿捷科技股份有限公司，未经北京合力亿捷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/202010114161.9/1.html，转载请声明来源钻瓜专利网。
