[发明专利]一种基于K-MEANS、WORD2VEC的抽取关键词的方法有效
| 申请号： | 201710352450.0 | 申请日： | 2017-05-18 |
| 公开（公告）号： | CN107122352B | 公开（公告）日： | 2020-04-07 |
| 发明（设计）人： | 蓝科;王纯斌;覃进学;潘小东 | 申请（专利权）人： | 成都四方伟业软件股份有限公司 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F16/35;G06K9/62 |
| 代理公司： | 成都金英专利代理事务所(普通合伙) 51218 | 代理人： | 袁英 |
| 地址： | 610041 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于K‑MEANS、WORD2VEC的抽取关键词的方法，该方法通过归纳全局语义和各分支主题，利用WORD2VEC算法构建出空间向量，使用K‑means算法剔除模糊词，计算质心距，聚类评估后得到高质量的关键词，并且通过提升权重值，实现词库的动态优化，使关键词提取具备学习进化能力。本发明抽取的关键词能够体现文档的内部分类主题，每一个关键字能够很好地的体现该分类，具有最终关键词质量高，适应性更广泛，结果更加准确等特点。 | ||
| 搜索关键词： | 一种 基于 means word2vec 抽取 关键词 方法 | ||
【主权项】：
一种基于K‑MEANS和WORD2VEC的抽取关键词方法，其特征在于，该方法通过归纳全局语义和各分支主题，利用WORD2VEC算法构建出空间向量，使用K‑means算法对多维空间中词语进行聚类，聚类评估并剔除模糊词后得到高质量的关键词，并且通过提升权重值，实现词库的动态优化，使关键词提取具备学习进化能力。
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成都四方伟业软件股份有限公司，未经成都四方伟业软件股份有限公司许可，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/201710352450.0/，转载请声明来源钻瓜专利网。
