[发明专利]一种基于动态K-均值算法的语料库索引构建方法在审
| 申请号： | 201910587795.3 | 申请日： | 2019-07-02 |
| 公开（公告）号： | CN110674243A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 刘家祥 | 申请（专利权）人： | 厦门耐特源码信息科技有限公司 |
| 主分类号： | G06F16/31 | 分类号： | G06F16/31;G06F16/35;G06K9/62 |
| 代理公司： | 11589 北京劲创知识产权代理事务所(普通合伙) | 代理人： | 王志敏 |
| 地址： | 361000 福建省*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于动态K‑均值算法的语料库索引构建方法，包括以下步骤：获取语料库中的文本；对语料库中的文本进行格式处理；对各文本进行分词处理，并去除停用词；对各文本中的词汇进行词性标注和词义标注；对各文本进行关键词提取，生成各文本的关键词集合；基于各文本的关键词集合，获取各文本的词汇特征向量；通过K‑means算法对各文本的词汇特征向量进行聚类处理，获取多个文本集合；采用索引引擎对每个文本集合进行处理，建立各文本集合的可达性索引；生成语料库的可达性索引表。本发明优化了语料库索引构建方法，操作简单，人们能够快速有效的从语料库中查询到所需的文件，使用效果极佳。 | ||
| 搜索关键词： | 文本 语料库 文本集合 关键词集合 词汇特征 索引构建 可达性 向量 关键词提取 词性标注 词义标注 分词处理 格式处理 聚类处理 均值算法 索引引擎 索引表 停用词 去除 算法 索引 词汇 查询 优化 | ||
【主权项】：
1.一种基于动态K-均值算法的语料库索引构建方法，其特征在于，包括以下步骤：/nS1、获取语料库中的文本；/nS2、对语料库中的文本进行格式处理，使所有文本的格式一致；/nS3、对各文本进行分词处理，并去除停用词；/nS4、对各文本中的词汇进行词性标注和词义标注；/nS5、对各文本进行关键词提取，生成各文本的关键词集合；/nS6、基于各文本的关键词集合，获取各文本的词汇特征向量；/nS7、通过K-means算法对各文本的词汇特征向量进行聚类处理，获取多个文本集合；/nS8、采用索引引擎对每个文本集合进行处理，建立各文本集合的可达性索引；/nS9、生成语料库的可达性索引表。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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厦门耐特源码信息科技有限公司，未经厦门耐特源码信息科技有限公司许可，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/patent/201910587795.3/，转载请声明来源钻瓜专利网。
