[发明专利]一种文本的向量化方法以及装置在审
| 申请号： | 201710134611.9 | 申请日： | 2017-03-08 |
| 公开（公告）号： | CN108572961A | 公开（公告）日： | 2018-09-25 |
| 发明（设计）人： | 刘家兵;刘永波;吴春龙;张少松 | 申请（专利权）人： | 北京嘀嘀无限科技发展有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京友联知识产权代理事务所(普通合伙) 11343 | 代理人： | 尚志峰;汪海屏 |
| 地址： | 100000 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种文本的向量化方法以及装置，涉及文本向量化领域。其中，所述方法包括：获取待处理的文本，并确定所述文本的应用类型，得到所述文本的样本；提取所述样本的所有单字符元素，得到所述样本的单字符集合；根据所述样本的应用类型提取所述样本的双字符元素，得到所述样本的双字符集合；将所述单字符集合和所述双字符集合进行合并，得到词表；根据所述词表构建得到所述文本的文本向量。本发明去除了中文切词，避免了切词针对舆情等口语化句子引入的误差及其后续的误差级联效应，并且对舆情等口语化句子的错别字具有较好的容错能力。 | ||
| 搜索关键词： | 文本 样本 单字符 向量化 词表 应用类型 字符集合 口语化 句子 集合 级联效应 容错能力 文本向量 字符元素 错别字 构建 合并 引入 中文 | ||
【主权项】：
1.一种文本的向量化方法，其特征在于，所述方法包括：获取待处理的文本，并确定所述文本的应用类型，得到所述文本的样本；提取所述样本的所有单字符元素，得到所述样本的单字符集合；根据所述样本的应用类型提取所述样本的双字符元素，得到所述样本的双字符集合；将所述单字符集合和所述双字符集合进行合并，得到词表；根据所述词表构建得到所述文本的文本向量。
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北京嘀嘀无限科技发展有限公司，未经北京嘀嘀无限科技发展有限公司许可，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/201710134611.9/，转载请声明来源钻瓜专利网。
- 上一篇：地名消岐方法和地名消岐装置
- 下一篇：一种存储物理数据表的方法及装置
