申请/专利权人:国网上海市电力公司;上海久隆企业管理咨询有限公司
申请日:2023-11-30
公开(公告)日:2024-03-19
公开(公告)号:CN117725212A
主分类号:G06F16/35
分类号:G06F16/35;G06F40/216;G06N3/0455;G06N3/084;G06F18/213;G06F18/2321
优先权:
专利状态码:在审-公开
法律状态:2024.03.19#公开
摘要:本发明公开了一种基于BERTopic主题识别模型的科技项目技术主题识别方法,利用BERT嵌入和基于聚类的TF‑IDF来创建密集的聚类,其还使用UMAP技术,在对文档进行聚类之前降低嵌入的维度,能够轻松解释主题,并在主题描述中保留重要的单词,免去了复杂的参数尝试步骤,无需复杂的参数设置就可以快速轻松提取科技项目的技术主题信息。
主权项:1.一种基于BERTopic主题识别模型的科技项目技术主题识别方法,其特征在于,包括以下步骤:S1,嵌入科技项目名称数据,使用BERT提取文档嵌入;S2,降维和聚类,使用UMAP降低嵌入的维数;并分别将每个科技项目项目名称的词向量输入HDBSCAN,HDBSCAN自动推荐最优的簇类结果,HDBSCAN输出的聚类数量为最终提取的各个科技项目名称的技术主题数量;S3,创建技术主题,使用TF-IDF评价每个词对每个HDBSCAN聚类的重要性,对主题进行提取和精简,最终获取每个技术主题中重要的单词,得到技术主题的主题词;S4,根据技术主题的主题词划分科技项目数据,实现技术主题识别。
全文数据:
权利要求:
百度查询: 国网上海市电力公司;上海久隆企业管理咨询有限公司 一种基于BERTopic主题识别模型的科技项目技术主题识别方法
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。