[发明专利]新词发现的方法及装置有效
| 申请号： | 201810409083.8 | 申请日： | 2018-05-02 |
| 公开（公告）号： | CN108829658B | 公开（公告）日： | 2022-05-24 |
| 发明（设计）人： | 江跃华;周二亮;武树超;刘伟 | 申请（专利权）人： | 石家庄天亮教育科技有限公司 |
| 主分类号： | G06F40/284 | 分类号： | G06F40/284;G06F40/289 |
| 代理公司： | 河北国维致远知识产权代理有限公司 13137 | 代理人： | 马卫青 |
| 地址： | 050000 河北省石家庄*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及自然语言处理领域，尤其涉及一种新词发现方法及装置，提供了一种在舆情处理和挖掘中，对于时间序列的舆情文本进行新词发现的方法。该方法包括：对当前日期的舆情文本进行CRF分词和预处理。统计候选词的左右熵和互信息，计算成词概率。将当前日期的候选词与以前的候选词比较，选出左右熵和互信息变化较大的候选词，做为新词输出。本发明有效的利用信息熵和互信息，在时间维度上进行分析和挖掘新词，可有效提高新词发现的准确度。 | ||
| 搜索关键词： | 新词 发现 方法 装置 | ||
【主权项】：
1.一种新词发现的方法，其特征在于：所述的新词发现方法包括以下步骤：S1、对每日舆情进行读取文本，是用CRF算法进行分词处理，剔除掉非中文字符，并替换成“”自定义特殊字符；S2、计算候选词的左右信息熵和互信息，以及候选词的内部熵，按照设定条件过滤不能成词候选词，并将计算结果排序输出；S3、遍历从每日舆情中提取出来的候选词，与总候选词集比较左右熵和互信息，选出变化较大的候选词，增加该候选词的分数，最后将计算结果进行排序输出。
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石家庄天亮教育科技有限公司，未经石家庄天亮教育科技有限公司许可，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/201810409083.8/，转载请声明来源钻瓜专利网。
- 上一篇：平滑处理方法和系统
- 下一篇：一种引用识别方法、设备和计算机可存储介质
