一种基于主题语义信息的关键词向量化方法及其应用
公开
摘要
本发明公开一种基于主题语义信息的关键词向量化方法及其应用,具体包括:首先利用Sentence‑BERT模型为每个文档生成具有文档语义信息的向量;再通过UMAP降维算法对生成的文档向量进行降维并突显局部语义特征;然后,在降维后的文档向量上进行HDBSCAN主题聚类,并将每个文档归类到一个或多个主题中;最后,利用文档和主题之间的关系,计算主题中每一个关键词的主题词频率‑逆主题频率(TTF‑ITF)得分,对该关键词与每个主题的主题词频率‑逆主题频率(TTF‑ITF)得分进行合并,生成最终的关键词向量。本发明实现高精度表征主题语义信息的关键词向量化,可应用于主题词提取、文本分类和文档检索。
基本信息
专利标题 :
一种基于主题语义信息的关键词向量化方法及其应用
专利标题(英):
暂无
公开(公告)号 :
CN114298020A
申请号 :
CN202111659209.5
公开(公告)日 :
2022-04-08
申请日 :
2021-12-30
授权号 :
暂无
授权日 :
暂无
发明人 :
戴华胡正刘源龙陆佳行杨庚陈燕俐
申请人 :
南京邮电大学
申请人地址 :
江苏省南京市栖霞区文苑路9号
代理机构 :
南京正联知识产权代理有限公司
代理人 :
张玉红
优先权 :
CN202111659209.5
主分类号 :
G06F40/279
IPC分类号 :
G06F40/279 G06F40/216 G06F40/30 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06F
电数字数据处理
G06F40/279
文字实体的识别
法律状态
2022-04-08 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载