申请/专利权人：郑州信大先进技术研究院

申请日：2022-06-30

公开（公告）日：2024-04-12

公开（公告）号：CN115099241B

主分类号：G06F40/30

分类号：G06F40/30;G06F40/289;G06F40/216

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明公开了一种基于模型融合的海量旅游网络文本语义分析方法，获取评论数据集，并对数据集中的数据进行预处理；对数据集中的数据进行可视化分析；对评论数据集采用DBSCAN密度聚类，获得数据集D1；利用Word2Vec模型，得到数据集D2；利用Simhash算法，得到数据集D3；利用N‑Gram语言模型得到数据集D4；将数据集D1‑D4中的数据结果综合得到数据集D5；将预处理之后的数据集D5导入TF‑IDF模型和LDA模型，提取得到关键词和主题词；词向量化计算每条评论的关键词向量与主题词向量之间的距离，并根据距离输出结果高的词；根据特色词、酒店名称、酒店类型相互组合构建三元组，得到知识图谱。

主权项：1.一种基于模型融合的海量旅游网络文本语义分析方法，其特征在于：步骤1，获取评论数据集，并对数据集中的数据进行预处理；其中，评论数据集是csv文件，包含酒店名称、酒店类别、评论时间、酒店评论内容；步骤2，对数据集中的数据进行可视化分析；步骤3，对评论数据集采用DBSCAN密度聚类，获得数据集D1＝{x_1,x_2,…,x_m}；步骤4，利用Word2Vec模型对酒店评论内容进行向量化处理后计算相似度，得到数据集D2；步骤5，利用Simhash算法在评论数据集上进行相似去重，得到数据集D3；步骤6，利用N-Gram语言模型计算评论数据集中文本的成句概率，再把每个句子困惑度PPL计算出来，按照从小到大的顺序排列，取四分位数为75％以下数据即得到数据集D4；步骤7，模型融合根据少数服从多数来定最终结果，将数据集D1-D4中的数据结果综合得到数据集D5；步骤8，对数据集D5进行预处理；步骤9，将预处理之后的数据集D5导入TF-IDF模型提取得到按权重顺序排列的关键词；步骤10，将预处理之后的数据集D5导入LDA模型提取得到按权重顺序排列的主题词；步骤11，将步骤9和步骤10得到的结果关键词和主题词，词向量化计算每条评论的关键词向量与主题词向量之间的距离，并根据距离输出结果高的词；步骤12，根据特色词、酒店名称、酒店类型相互组合构建三元组，利用py2neo库，对neo4j数据库进行三元组数据转换为sql语句上传到neo4j数据中，最终得到一个简单的知识图谱。

全文数据：

权利要求：

百度查询： 郑州信大先进技术研究院 一种基于模型融合的海量旅游网络文本语义分析方法

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