[发明专利]一种关于新技术的领域分类方法

权利要求书

1.一种关于新技术的领域分类方法，其特征在于，包括如下步骤：

步骤1，对新技术提取关键词并计算关键词频率，包括：

步骤1.1：对新技术的成果简介或成果介绍提取关键词汇句子；

步骤1.2：对新技术提取的关键词汇句子提取关键词；

步骤1.3：对关键词频率进行计算及统一；

步骤2，建立新技术领域分类模型并确定领域类别阈值，包括：

步骤2.1：准备新技术训练集；训练集包含的内容有：新技术序号、领域类别单一表示之后的新技术数量、领域类别、关键词；

步骤2.2：计算支持度；包括领域类别的支持度、关键词的支持度、关键词在某领域分类中的支持度；

步骤2.3：提取关键词组合及对应词频；

步骤2.4：计算关键词的置信度；

步骤2.5：建立领域分类模型；领域分类模型中，包含了每个领域类别对应出现的关键词以及其对应的置信度；

步骤2.6：确定领域类别阈值；领域类别阈值表示每个领域类别的确认底线，大于或等于该阈值，才能对新技术进行领域分类确认，否则，领域类别确认失败；

步骤3，应用新技术领域分类模型和领域类别阈值确认新技术所属领域类别，包括：

步骤3.1：确定新技术的关键词和对应词频；

步骤3.2：计算新技术的对应所有领域类别的TV矩阵；每个领域类别对应一个TV值；

步骤3.3：确认领域类别；新技术的对应类别TV的计算值大于或等于该类别的阈值，即可判断该新技术属于该领域类别；

步骤3.4：领域类别排序；根据确认的领域类别集合的值进行排序，值越高，说明新技术领域类别属性中，该领域类别属性越高。

2.如权利要求1所述的关于新技术的领域分类方法，其特征在于，所述步骤1.1对新技术的成果简介或成果介绍提取关键词汇句子，具体方法包括：利用结巴分词的分词模块函数jieba.posseg.cut()，基于基本词库、停用词库，对新技术进行分词，保留部分词性的词语，作为下一步新技术的描述进行使用；保留的词性包括，名词、动名词、英语、语素词；

所述步骤1.2对新技术的提取的关键词汇句子提取关键词，具体方法包括：利用结巴分词的分词模型函数jieba.cut()，增加专属名词库、停用词库，对步骤1.1关键词汇句子进行分词；按照对应词频，由高到低进行排序；选择前K个关键词作为新技术的关键词，对关键词和对应的词频进行保存，保证后续操作继续使用，表示为{Key，M}，其中Key表示关键词，M表示对应的词频；当关键词不足K个时，以关键词的实际个数为准；

所述步骤1.3对关键词频率进行计算及统一，具体方法包括：

(1)计算新技术中关键词的频率：

其中，f_key为关键词key的频率，M_key为关键词key在该新技术中出现的次数，∑M为该新技术中关键词的词频之和；

(2)统一

采用归一化的方法，将新技术关键词的频率进行统一，降低新技术描述中，因文字本身的数量造成的词频差距；

其中，F_key为关键词key的归一化后的词频，max(f)为当前新技术中关键词频率的最大值，从而将关键词key的词频，归一化到[0，1]之间。