[发明专利]一种基于互信息和关联规则的文本特征提取方法有效
| 申请号： | 201710796425.1 | 申请日： | 2017-09-06 |
| 公开（公告）号： | CN107766323B | 公开（公告）日： | 2021-08-31 |
| 发明（设计）人： | 朱全银;严云洋;胡荣林;李翔;瞿学新;唐海波;赵阳;高阳;钱凯 | 申请（专利权）人： | 淮阴工学院 |
| 主分类号： | G06F40/253 | 分类号： | G06F40/253;G06F16/00 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 梁耀文 |
| 地址： | 223005 江苏省*** | 国省代码： | 江苏;32 |
| 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互信息和关联规则的文本特征提取方法，步骤为：首先以文本分词、过滤停用词以及2‑Gram方法对文本训练集预处理，其次，通过改进的互信息方法对预处理后的文本训练集计算特征值，按特征值降序排列选取前m个词，从而得到初始的文本特征集，采用FP‑Growth计算预处理后的文本训练集中词的关联规则，并以关联规则去除初始文本特征集中冗余的特征，最后，结合关联规则和One‑hot方法对每个文本向量化表示。本发明避免了文本特征间的冗余及互信息方法缺点对提取文本特征的影响。 | ||
| 搜索关键词： | 一种 基于 互信 关联 规则 文本 特征 提取 方法 | ||
【主权项】：
一种基于互信息和关联规则的文本特征提取方法，其特征在于，包括如下步骤：步骤一：定义文本数据集和停用词集，并对文本数据集中每个文本分词、2‑Gram方法和过滤停用词来预处理，得到预处理后的文本训练集；步骤二：通过改进的互信息方法提取预处理后的文本训练集中每个词的特征值，并将特征值降序排列，筛选出前m个词，得到初始的文本特征集；步骤三：通过FP‑Growth方法，计算步骤一中得出的预处理后的文本训练集中每个词的关联规则，并以关联规则去除步骤二中得出的初始的文本特征集中冗余的特征，使用One‑hot方法和关联规则对文本向量化表示，得到每个文本的向量化集。
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淮阴工学院，未经淮阴工学院许可，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/201710796425.1/，转载请声明来源钻瓜专利网。
