[发明专利]一种基于实体突发特征的文本表示方法在审
| 申请号： | 201810095748.2 | 申请日： | 2018-01-31 |
| 公开（公告）号： | CN108228570A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 马乐荣;高兴慧 | 申请（专利权）人： | 延安大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F17/30 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 罗磊 |
| 地址： | 716000 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实体突发特征的文本表示方法，包括提出了一种基于实体突发特征的文档表示模型，称为Entity Burst based Document Representation(EBDR)，用于实体‑文档相关性分类任务。EBDR将时间信息和语义信息同时融入到实体‑文档的特征表示中。使用这种表示模型将实体‑文档对作为向量表示，然后利用Logistic Regression进行分类。本发明一种基于实体突发特征的文本表示方法，以目标实体的突发特征为线索，提出一种新的实体‑文档表示模型，该模型从时序和语义两个方面建模实体‑文档的特征，以此来提高实体‑文档相关性分类系统的性能。 | ||
| 搜索关键词： | 突发特征 文档 文本表示 文档表示 时序 语义 表示模型 分类系统 建模实体 目标实体 时间信息 特征表示 向量表示 语义信息 分类 线索 融入 | ||
【主权项】：
1.一种基于实体突发特征的文本表示方法，其特征在于，包括下列步骤：步骤1：建立基于实体突发特征的文本表示向量；步骤2：抽取实体‑文档对的语义特征并将其融入到步骤1中得到的文本表示向量中；步骤3：建立实体‑文档的Logistic Regression分类模型并给定实体‑文档训练集，利用步骤2中得到的文本表示向量学习Logistic Regression实体‑文档分类模型，之后对实体‑文档测试集数据进行分类。
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延安大学，未经延安大学许可，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/201810095748.2/，转载请声明来源钻瓜专利网。
