[发明专利]基于词向量表征的网页新词发现和解析方法在审
| 申请号： | 202111444046.9 | 申请日： | 2021-11-30 |
| 公开（公告）号： | CN114169325A | 公开（公告）日： | 2022-03-11 |
| 发明（设计）人： | 魏嵬;刘维;张贝贝 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/242;G06F40/237;G06F40/216;G06F40/205;G06F16/33;G06F16/35 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 王奇 |
| 地址： | 710048 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开的一种基于词向量表征的网页新词发现和解析方法，包括以下步骤：步骤1，网页原始数据预处理，得到预训练文本；步骤2，首先进行粗略分词处理，然后使用N‑gram模型来分别构建2‑gram、3‑gram的前缀字典树；步骤3，使用内部结合度多字互信息来度量候选词串的内部结合度；步骤4，使用左右邻接熵信息度量来确定上一步骤中的候选新词的边界；步骤5，利用余弦相似度原理来进行相似向量筛选进而扩充初始关键词词典；步骤6，解析待处理网页中的数据，把网页中的非结构化数据转存到一个预先设置的结构化数组列表里；步骤7，通过步关键词词典对结构化列表里的数据进行提取和整合，完成解析过程。 | ||
| 搜索关键词： | 基于 向量 表征 网页 新词 发现 解析 方法 | ||
【主权项】：
暂无信息
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西安理工大学，未经西安理工大学许可，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/202111444046.9/，转载请声明来源钻瓜专利网。
