利用語義特征的科技創(chuàng)新領域中文關鍵短語抽取方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN202110600989.X 申請日 -
公開（公告）號 CN113221559A 公開（公告）日 2021-08-06
申請公布號 CN113221559A 申請公布日 2021-08-06
分類號 G06F40/289;G06F40/30;G06F40/211;G06F40/216;G06K9/62;G06F16/335;G06F16/36 分類 計算；推算；計數(shù);
發(fā)明人 莊越挺;宗暢;陳澤群;魯偉明;邵健 申請（專利權）人 杭州量知數(shù)據(jù)科技有限公司
代理機構 杭州求是專利事務所有限公司 代理人 傅朝棟;張法高
地址 310058 浙江省杭州市西湖區(qū)余杭塘路866號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種利用語義特征的科技創(chuàng)新領域中文關鍵短語抽取方法及系統(tǒng)。本發(fā)明通過挖掘中文科技創(chuàng)新文檔語料特征，構建出中文停用詞及停用模式庫，實現(xiàn)對無效信息的高性能過濾；此外借助領域專家標注對各類關鍵短語抽取算法進行量化評估分析，從而選用更加適合領域認知的算法模型，并利用多種統(tǒng)計規(guī)則進行過濾以提升短語抽取性能；進一步利用文檔的結構特點，對文檔的主題語義進行向量空間嵌入表示，并綜合利用所抽取短語與文檔主題的語義相似度，和短語語義重要程度進行計算與排名，完成對關鍵短語的進一步篩選。該方法可支撐多種下游任務和應用，包括科技創(chuàng)新領域知識圖譜構建、科技創(chuàng)新文檔語義檢索、科技創(chuàng)新實體精準搜索等場景。