[发明专利]一种电力行业关键词库的构建方法

说明书

本说明书实施例提供一种电力行业关键词库的构建方法。所述方法包括：收集电力行业相关数据库，获取电力行业词库数据；对电力行业词库数据进行分词筛查，得到初始关键词库数据；对初始关键词库数据通过TF‑IDF统计方法计算初始关键词库中初始关键词的TF‑IDF值；根据初始关键词库数据中的初始关键词计算出任意初始关键词两词之间的语义相似度，根据语义相似度合并得到同义词库数据；对同义词库数据通过TF‑IDF统计方法计算同义词库数据中同义词的TF‑IDF值；基于初始关键词的TF‑IDF值和同义词的TF‑IDF值生成电力行业关键词库。

技术领域

本说明书一个或多个实施例涉及词库构建技术领域，尤其涉及一种电力行业关键词库的构建方法。

背景技术

在电力行业，往往需要对专家专业领域、科技项目进行学科分类和领域归类，需要对科技项目进行量化分析，无论从国家重大战略实施的需求，到电力行业科研前沿和热点，或者实际工作需求和创新点等多个方面，全面了解国内外科技发展，关注相关领域内竞争对手的进展情况，分析电力行业最新的技术方向和关键领域。其中的一个基础工作是建立电力行业关键词库。通过电力行业关键词库结合文献资料调研的科技发展热点领域，以及行业内领域专家对于未来电力行业科技领域的发展重点确定公司重点科技成果培育项目。

但是，目前建立电力关键词库首先需要收集大量的电力行业术语，以往的词库构建往往基于大量语料库并利用传统的中文分词程序分词，由于电力行业关键词具有很强的专业性，仅仅依赖普通的分词方法很难准确识别专业术语。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种电力行业关键词库的构建方法，使得建立的关键词库不仅包含关键词本身，还包含关键词之间的语义相似度测量，才能应用于科技项目量化和专家专业能力模型构建。

基于上述目的，本说明书一个或多个实施例提供了一种电力行业关键词库的构建方法，包括：

收集电力行业相关数据库，获取电力行业词库数据；

对电力行业词库数据进行分词筛查，得到初始关键词库数据；

对初始关键词库数据通过TF-IDF统计方法计算初始关键词库中初始关键词的TF-IDF值；

根据初始关键词库数据中的初始关键词计算出任意初始关键词两词之间的语义相似度，根据语义相似度合并得到同义词库数据；

对同义词库数据通过TF-IDF统计方法计算同义词库数据中同义词的TF-IDF值；

基于初始关键词的TF-IDF值和同义词的TF-IDF值生成电力行业关键词库。

可选的，所述初始关键词的TF-IDF值由下列方式计算得到：

获取初始关键词库中初始关键词词频TF和逆文档频率IDF；

TF-IDF(初始关键词)＝TF(初始关键词词频)×IDF(初始关键词逆文档频率)；

所述同义词的TF-IDF值由下列方式计算得到：

获取同义词库数据中同义词词频TF和逆文档频率IDF；

TF-IDF(同义词)＝TF(同义词词频)×IDF(逆文档频率IDF)。

可选的，所述初始关键词库数据中初始关键词词频TF和同义词库数据中同义词词频TF分别由下列方式计算得到：

获取初始关键词在初始关键词库数据中出现的次数TN₁及同义词在同义词库数据中出现的次数TN₂；

获取初始关键词库数据中出现最多的词的出现次数TMAX₁及同义词库数据中出现最多的词的出现次数TMAX₂；