申请/专利权人：国网山西省电力公司晋城供电公司

申请日：2021-07-30

公开（公告）日：2024-03-08

公开（公告）号：CN113609844B

主分类号：G06F40/242

分类号：G06F40/242;G06F40/284;G06F16/35;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明涉及人工智能领域，具体涉及一种基于混合模型和聚类算法的电力专业词库构建方法。将电力文本和平行语料进行预处理，再通过分词模型进行分词，其中互信息和左右熵算法和TextRank算法对结巴分词结果进行词语组合，TF‑IDF算法和Word2Vec词聚类算法对结巴分词结果提取文本关键词，信息熵分词算法直接对文本分词，上述结果汇总、对比得到特征语料词；从特征语料词中挑选电力专业词汇作为种子词；同时用导出来的电力文本词库作为候选词对电力文本分词，然后使用word2vec算法把词变为词向量；聚类得到相似词，然后规则过滤获得电力专业词库。本发明使用一个聚类模型能够过滤掉大部分非电力领域专业词语，专业词语较为完整。

主权项：1.一种基于混合模型和聚类算法的电力专业词库构建方法，其特征在于，包括以下步骤：步骤一、将电力文本和非电力专业的平行语料进行预处理，去掉空格、标点符号和无实体意义词，获得合格输入文本数据；步骤二、对电力文本和平行语料通过分词模型进行分词，获得电力文本词库和平行语料词库，电力文本词库通过与平行语料词库对比得到特征语料词；步骤三、从特征语料词中挑选电力专业词汇作为种子词；同时用步骤二导出来的电力文本词库对电力文本分词，然后使用word2vec算法把词变为词向量；步骤四、词向量和种子词输入聚类模型，聚类得到相似词，然后规则过滤掉非电力专业词汇，最终获得电力专业词库；步骤二中，所述分词模型中，基于Jieba分词并通过TF-IDF统计模型、Word2Vec词聚类模型、TextRank模型和左右信息熵和互信息熵模型得到词集1，通过频数、凝固度和自由度来建立词集2，最后合并两个词集得到最终词库。

全文数据：

权利要求：

百度查询： 国网山西省电力公司晋城供电公司 一种基于混合模型和聚类算法的电力专业词库构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD