[发明专利]基于大数据的创新创意标签自动标注方法及系统

摘要

本发明公开了基于大数据的创新创意标签自动标注方法及系统，所述方法包括：使用搜狗语料库训练Word2vector和LDA得到训练结果集。将用户浏览页面的文档数据进行分词、去除停用词和词过滤处理。将预处理的文档数据，通过使用改进的TextRank算法Word2vector相结合计算出来源于本文数据的标签。并且将预处理的文档通过LDA计算得出关于文档数据主题的标签。通过生成标签云的方式实现可视化，并且将所有的本文标签词语在文档数据中标注出来，方便用户进行阅读和发现重点内容部分。

主权项

基于大数据的创新创意标签自动标注方法，其特征是，包括：步骤(1)：模型训练：使用语料库对文本深度表示模型Word2vector进行训练，训练后得到语料库中所有词语和所有词语对应的向量模型文件，即得到训练好的Word2vector模型；使用语料库对文档主题生成模型LDA进行训练得到LDA结果集和训练好的LDA模型，所述LDA结果集包括若干个主题，每个主题包括属于所述主题的词语和词语属于所述主题的概率；步骤(2)：使用中科院ICTCLAS分词系统对用户当前浏览页面的数据文档进行分词操作，然后去除停用词；得到预处理后的数据文档；步骤(3)：生成本文标签和主题标签；步骤(4)：实现对最终的本文标签和主题标签的可视化。