一種建立關(guān)鍵詞詞庫的方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種建立關(guān)鍵詞詞庫的方法及裝置，對項目信息進(jìn)行解析，獲取項目關(guān)鍵詞；計算出項目關(guān)鍵詞之間的語義相似度；根據(jù)項目關(guān)鍵詞及語義相似度生成關(guān)鍵詞詞庫，并且，當(dāng)項目信息變化時，在線更新關(guān)鍵詞庫。本發(fā)明的建立關(guān)鍵詞詞庫的方法和裝置，對項目數(shù)據(jù)自動篩選分詞并獲取項目關(guān)鍵詞，能有效提取反應(yīng)項目性質(zhì)的關(guān)鍵詞，剔除冗余詞組，快速建立關(guān)鍵詞庫，并且在項目數(shù)據(jù)發(fā)生變化時能做到動態(tài)更新。
【專利說明】一種建立關(guān)鍵詞詞庫的方法和裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機(jī)管理【技術(shù)領(lǐng)域】，尤其涉及一種建立關(guān)鍵詞詞庫的方法和裝置。

【背景技術(shù)】
[0002] 項目評審或咨詢在科研活動中發(fā)揮著不可替代的作用，如何選擇合適的專家及有 關(guān)專業(yè)技術(shù)人員將直接影響到相關(guān)工作的質(zhì)量，正確選擇專家對于保證評審結(jié)果的公正、 準(zhǔn)確、合理是至關(guān)重要的，在項目評審或咨詢中需要對科技項目進(jìn)行量化分析。目前，對專 家專業(yè)領(lǐng)域、科技項目進(jìn)行學(xué)科分類和領(lǐng)域分類，需要對科技項目進(jìn)行量化分析，其中的一 個基礎(chǔ)工作時建立項目關(guān)鍵詞庫。要收集大量的行業(yè)術(shù)語，以往的詞庫構(gòu)建往往基于大量 語料庫并利用傳統(tǒng)的中文分詞程序分詞，由于行業(yè)關(guān)鍵詞具有很強(qiáng)的專業(yè)性，僅僅依賴普 通的分詞方法很難準(zhǔn)確識別專業(yè)術(shù)語，當(dāng)新的術(shù)語出現(xiàn)時也做不到及時動態(tài)更新。


【發(fā)明內(nèi)容】

[0003] 有鑒于此，本發(fā)明要解決的一個技術(shù)問題是提供一種建立關(guān)鍵詞詞庫的方法，對 項目數(shù)據(jù)分詞并獲取項目關(guān)鍵詞。
[0004] 一種建立關(guān)鍵詞詞庫的方法，包括：對項目信息進(jìn)行解析，獲取項目關(guān)鍵詞；計算 出所述項目關(guān)鍵詞之間的語義相似度；根據(jù)所述項目關(guān)鍵詞及所述語義相似度生成關(guān)鍵詞 詞庫，并且，當(dāng)項目信息變化時，在線更新關(guān)鍵詞庫。
[0005] 根據(jù)本發(fā)明的一個實施例，進(jìn)一步的，統(tǒng)計關(guān)鍵詞，得到n個關(guān)鍵詞W1, W2, ...，Wn ; 統(tǒng)計每兩個關(guān)鍵詞在所有記錄里面同時出現(xiàn)的次數(shù)，構(gòu)成關(guān)鍵詞關(guān)聯(lián)矩陣：
[0006]

【權(quán)利要求】
1. 一種建立關(guān)鍵詞詞庫的方法，其特征在于，包括： 對項目信息進(jìn)行解析，獲取項目關(guān)鍵詞； 計算出所述項目關(guān)鍵詞之間的語義相似度； 根據(jù)所述項目關(guān)鍵詞及所述語義相似度生成關(guān)鍵詞詞庫，并且，當(dāng)項目信息變化時，在 線更新關(guān)鍵詞庫。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于： 統(tǒng)計關(guān)鍵詞，得到η個關(guān)鍵詞W1, W2, ...，Wn ; 統(tǒng)計每兩個關(guān)鍵詞在所有記錄里面同時出現(xiàn)的次數(shù)，構(gòu)成關(guān)鍵詞關(guān)聯(lián)矩陣：
其中，為關(guān)鍵詞Wi和Wj在所有記錄中同時出現(xiàn)的次數(shù)，而為關(guān)鍵詞Wi是自己 對自己的關(guān)聯(lián)且I^i = O ;關(guān)聯(lián)矩陣M是主對角線全為O的稀疏對稱矩陣； 關(guān)鍵詞Wi和Wj的語義相似度反映為關(guān)鍵詞Wi出現(xiàn)時，關(guān)鍵詞W j出現(xiàn)的可能性，為條件 概率； 項目關(guān)鍵詞之間的語義相似度
3. 如權(quán)利要求2所述的方法，其特征在于： 根據(jù)預(yù)設(shè)的關(guān)鍵詞分詞規(guī)則對項目信息解析，獲取項目關(guān)鍵詞；所述項目信息包括： 項目名稱、項目說明。
4. 如權(quán)利要求2所述的方法，其特征在于： 根據(jù)自定義字典對項目信息分詞，自動篩選分詞并獲取關(guān)鍵詞，并將關(guān)鍵詞與電力行 業(yè)專業(yè)詞匯合并、整理，剔除冗余詞組生成所述項目關(guān)鍵詞。
5. -種建立關(guān)鍵詞詞庫的裝置，其特征在于，包括： 關(guān)鍵詞提取單元，用于對項目信息進(jìn)行解析，獲取項目關(guān)鍵詞； 相似度計算單元，用于計算出所述項目關(guān)鍵詞之間的語義相似度； 詞庫生成單元，用于根據(jù)所述項目關(guān)鍵詞及所述語義相似度生成關(guān)鍵詞詞庫，并且，當(dāng) 項目信息變化時，在線更新關(guān)鍵詞庫。
6. 根據(jù)權(quán)利要求5所述的裝置，其特征在于： 所述相似度計算單元統(tǒng)計關(guān)鍵詞，得到η個關(guān)鍵詞W1, W2, ...，Wn ; 所述相似度計算單元統(tǒng)計每兩個關(guān)鍵詞在所有記錄里面同時出現(xiàn)的次數(shù)，構(gòu)成關(guān)鍵詞 關(guān)聯(lián)矩陣：
其中，為關(guān)鍵詞Wi和Wj在所有記錄中同時出現(xiàn)的次數(shù)，而Hiu為關(guān)鍵詞Wi是自己 對自己的關(guān)聯(lián)且I^i = 0。關(guān)聯(lián)矩陣M是主對角線全為O的稀疏對稱矩陣；關(guān)鍵詞Wi和Wj 的語義相似度反映為關(guān)鍵詞Wi出現(xiàn)時，關(guān)鍵詞Wj出現(xiàn)的可能性，為條件概率； 所述相似度計算單元計算項目關(guān)鍵詞之間的語義相似度
7. 如權(quán)利要求6所述的裝置，其特征在于：
所述關(guān)鍵詞提取單元根據(jù)預(yù)設(shè)的關(guān)鍵詞分詞規(guī)則對項目信息解析，獲取項目關(guān)鍵詞； 所述項目信息包括：項目名稱、項目說明。
8. 如權(quán)利要求6所述的裝置，其特征在于： 所述關(guān)鍵詞提取單元根據(jù)自定義字典對項目信息分詞，自動篩選分詞并獲取關(guān)鍵詞， 并將關(guān)鍵詞與電力行業(yè)專業(yè)詞匯合并、整理，剔除冗余詞組生成所述項目關(guān)鍵詞。
【文檔編號】G06F17/30GK104391852SQ201410469628
【公開日】2015年3月4日 申請日期:2014年9月15日 優(yōu)先權(quán)日:2014年9月15日
【發(fā)明者】陳晰, 王晶華, 邢凱, 楊金鳳, 張萌, 張利萍 申請人:國家電網(wǎng)公司, 國網(wǎng)河北省電力公司, 國網(wǎng)河北省電力公司衡水供電分公司, 國家電網(wǎng)公司信息通信分公司, 中國科學(xué)技術(shù)大學(xué)蘇州研究院