CN113297382B - 仪器设备功能标签化处理方法 - Google Patents
仪器设备功能标签化处理方法 Download PDFInfo
- Publication number
- CN113297382B CN113297382B CN202110685031.5A CN202110685031A CN113297382B CN 113297382 B CN113297382 B CN 113297382B CN 202110685031 A CN202110685031 A CN 202110685031A CN 113297382 B CN113297382 B CN 113297382B
- Authority
- CN
- China
- Prior art keywords
- instrument
- text information
- equipment
- label
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种仪器设备功能标签化处理方法,所述方法包括如下步骤:S1:提取目标仪器设备的功能文本信息;S2:从功能文本信息中解析关键词,获得关键词集合;S3:将所述关键词集合进行分类,构建功能要素分类表,并根据所述功能要素分类表确定候选标签集合;S4:构建标签评选模型,将所述候选标签集合输入所述评选模型;S5:确定仪器设备标签。本申请提供的仪器设备功能标签化处理方法,通过自然语言处理、规则匹配、机器学习等技术从原始仪器设备功能描述数据中提取各类标签,实现代表仪器设备功能的核心概念的结构化、规范化表示,实现更高校的仪器信息归类与检索,同时为科技资源信息检索及领域知识图谱建设提供数据支持。
Description
技术领域
本发明涉及科技资源管理技术领域,尤其涉及一种仪器设备功能标签化处理方法。
背景技术
科技资源是从事科技活动的人力、物力、财力以及组织、管理、信息等软、硬件要素的总称,或是强调其中某些要素的集合。它为科技活动提供了物质保障,也为科技管理、决策和科学研究提供了基本性条件保障,科技资源主要包括大型科技设置及仪器设备、实验室、科技成果、科技文献资料及科技基础数据等。经过多年的积累,我国拥有了丰富的科技资源,这些资源具有结构复杂、类型多样、数量巨大、地理分布广的特点,为发挥科技资源的作用,必须对其进行合理组织和管理,通过数字化、结构化和规范化形成有一定内在关系的、可共享的科技资源信息。但现有科技资源目前的科技资源信息表数据规范性较差,不利于信息检索和管理;此外,传统的文本信息检索主要通过全文检索技术构建,对信息深层语义的挖掘存在困难。
因此,亟需一种能对科技资源中的仪器设备进行结构化和规范化表示的处理方法。
发明内容
有鉴于此,本发明提供一种仪器设备功能标签化处理方法,其特征在于:所述方法包括如下步骤:
S1:提取目标仪器设备的功能文本信息,即从现有数据中提取含有目标仪器功能描述的文本信息;
S2:从功能文本信息中解析关键词,获得关键词集合;
S3:将所述关键词集合进行分类,构建常用关键词分类表,并根据所述常用关键词分类表确定候选标签集合;
其中,分类的类型包括功能、对象、结果和其他;
S4:构建标签评选模型,将所述候选标签集合输入所述评选模型;
S5:根据所述评选模型输出各个类型的候选标签的概率,并按照所述各个类型概率从大到小进行排序,按照预设关键词数量在排序中从上到下选取对应的候选标签为仪器设备标签。
进一步,所述标签评选模型采用朴素贝叶斯法,其中,朴素贝叶斯法的特征变量为以四个类型功能、对象、结果和其他中三个类型为输入,剩余的一个类型为输出。
进一步,所述步骤S1中所述功能文本信息包括将目标仪器设备的编码转换为文本信息和将符号转换为文本信息;
所述将符号转换为文本信息包括将化学元素符号转换为与元素符号对应的文本信息,以及将计量单位符号转换为与所述计量单位符号对应的文本信息。
进一步,所述步骤S2包括:
S21:构建通用词库和弃用词库;
S22:采用分词算法对所述功能文本信息进行分词,并根据所述分词结果确定词频;
S23:根据所述词频从大到小进行排序,并删除低于预设频次的词;
S24:将步骤S23处理后的词进行二次过滤,即删除骤S23处理后的词中包括的通用词库和弃用词库中的词;
S25:经过二次过滤后剩下的词为关键词,并形成所述关键词集合。
进一步,所述步骤S3包括:
S31:构建常用关键词分类表;
S32:将关键词集合中的关键词依次与所述常用关键词分类表对应,确定关键词类型;
S33:将关键词与关键词的类型放入集合中,所述集合为候选标签集合。
本发明的有益技术效果:本申请提供的仪器设备功能标签化处理方法,通过自然语言处理、规则匹配、机器学习等技术从原始仪器设备功能描述数据中提取各类标签,实现代表仪器设备功能的核心概念的结构化、规范化表示,实现更高校的仪器信息归类与检索,同时为科技资源信息检索及领域知识图谱建设提供数据支持。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本申请的仪器设备功能描述标签化处理技术路线示意图。
具体实施方式
以下结合说明书附图对本发明做出进一步的说明:
本发明提供一种仪器设备功能标签化处理方法,其特征在于:所述方法包括如下步骤:如图1所示,
S1:提取目标仪器设备的功能文本信息,即从现有数据中提取含有目标仪器功能描述的文本信息;
S2:从功能文本信息中解析关键词,获得关键词集合;
S3:将所述关键词集合进行分类,构建常用关键词分类表,并根据所述常用关键词分类表确定候选标签集合;
其中,分类的类型包括功能、对象、结果和其他;
S4:构建标签评选模型,将所述候选标签集合输入所述评选模型;
S5:根据所述评选模型输出候选标签的概率,根据所述评选模型输出各个类型的候选标签的概率,并按照所述各个类型概率从大到小进行排序,按照预设关键词数量在排序中从上到下选取对应的候选标签为仪器设备标签。所述预设关键词数量由本领域技术人员确定,如可以确定一个关键词,或确定两个关键词;此处,关键词是在各个类型内进行排序,具体在哪个类型中选取,由具体使用目标来确实,如需要功能类型的标签,则在功能类型集合中的元素标签的概率从大到小排序进行功能类标签筛选,同理,在对象类型中选取标签。
上述技术方案包括自然语言处理、规则匹配等技术主要对设备名称、技术指标、功能描述等可能含有设备功能信息的文本进行分词和备用标签提取。机器学习技术主要用于对标签的合理性进行打分,根据评分选出合适的标签。用于提高科技资源管理系统中的仪器设备信息的规范化和结构化程度,为科技资源信息检索及领域知识图谱建设提供数据支持。
在本实施例中,所述标签评选模型采用朴素贝叶斯法,其中,朴素贝叶斯法的特征变量为以四个类型功能、对象、结果和其他中三个类型为输入,剩余的一个类型为输出。基于朴素贝叶斯构建评分算法,对候选标签进行评分。假设候选标签集合为:X={x1,x2,...,xm}、Y={y1,y2,...,yn}、Z={z1,z2,...,zo}、W={V1,V2,...,Vp},其中X为功能标签集合、Y为对象标签集合,Z为结果标签集合,W为其他标签集合。采用One-Hot编码将候选标签集合转换为适合输入的向量。例如功能标签的全集为{A,B,C,D,E},某条数据候选功能标签集合为X={C,D,E},则该集合转换为向量VX=[0,0,1,1,1]。对于目标候选标签评价,目标候选标签可以是将其他候选标签联合作为算法输入,例如需要评价功能标签,则将对象、接口和其他等类型候选标签对应的联合向量[VY,VZ,VW]作为输入。标记一些样本数据,应用现有的机器学习包(例如scikit-learn),学习得到预测标签的四个概率模型P(x|Y,Z,W)、P(y|X,Z,W)、P(z|X,Y,W)、P(w|X,Y,Z)。根据预测模型计算标签概率,将概率作为标签适宜性的评价标准进行排序,为标签的最终选取提供依据。即根据预设关键词数量和输出的排序从上到下来确定标签。
在本实施例中,所述步骤S1中所述功能文本信息包括将目标仪器设备的编码转换为文本信息和将符号转换为文本信息;
所述将符号转换为文本信息包括将化学元素符号转换为与元素符号对应的文本信息,以及将计量单位符号转换为与所述计量单位符号对应的文本信息。
选取仪器设备信息表中的名称、分类编码、学科领域编码、技术指标、主要功能等字段作为数据源提取功能描述文本,如表4所示,具体步骤为:(1)将编码转换为文本信息。根据《科技平台大型科学仪器设备分类与代码(GB/T32847-2016)》、《学科分类与代码(GBT13745-2009)》以及具体科技资源管理规范创建《仪器设备分类表》,如表1所示,以及《学科分类表》,如表2所示,通过查表方式将原始数据中的仪器编码和学科领域编码分别转换为对应名称。(2)将统一元素符号转换为文本信息。根据元素符号与元素名称对应表将化学元素符号(Sn、Cr等)转换为对应中文符号。(3)从测量指标名称提取文本信息。创建《计量单位信息对应表》,通过查表的方式将中英文计量单位转换为对应类型,例如将“m”转换为“长度”。
表1仪器设备分类表结构
设备分类编号 | 设备分类名称 |
0101 | 有机质谱仪器 |
… | … |
表2学科分类表结构
学科分类 | 学科名称 |
15015 | 无机化学 |
… | … |
表3计量单位信息对应表结构
英文符号 | 中文符号 | 指标类型 |
g | 克 | 质量 |
m | 米 | 长度 |
… | … | … |
表4仪器设备信息表部分字段
设备编号 | 中文名称 | 分类编码 | 学科领域编码 | 技术指标 | 主要功能 |
001 | 质谱仪 | 010201 | 1,5,6,7,9,10 | 扫描范围X-Y | 检测同位素 |
… | … | … | … | … | … |
在本实施例中,所述步骤S2包括:
S21:构建通用词库和弃用词库;
S22:采用分词算法对所述功能文本信息进行分词,并根据所述分词结果确定词频;所述分词算法采用现有的分词算法,如基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法,本领域技术人员可根据实际需要来选取合适的分词算法。
S23:根据所述词频从大到小进行排序,并删除低于预设频次的词;
S24:将步骤S23处理后的词进行二次过滤,即删除骤S23处理后的词中包括的通用词库和弃用词库中的词;
S25:经过二次过滤后剩下的词为关键词,并形成所述关键词集合。
在本实施例中,采用分词技术对设备名称、功能描述等文本进行分词形成关键词集合,例如设备名称“原子吸收分光光度计”中可以提取“原子”、“原子吸收”、“光度计”等关键词,主要功能“可将不同分子量的组分从液体物料中分离,如果蔬汁的浓缩、澄清等”提取“分离”、“液体”、“浓缩”、“澄清”、“果汁”等。预先选择一些样本进行分词和统计分析,计算每个词的词频。在现有关键词集合的基础上,删除低频词。同时,建立通用词库和弃用词库,对关键词集合进行二次过滤,减少噪声数据,例如“应用”、“公司”、“的”之类的通用词,又如“1)”、“:”等无意义符号。
在本实施例中,所述步骤S3包括:
S31:构建常用关键词分类表;
S32:将关键词集合中的关键词依次与所述常用关键词分类表对应,确定关键词类型;
S33:将关键词与关键词的类型放入集合中,所述集合为候选标签集合。
将上述步骤得到的关键词集合作为备用标签进行分类。将功能要素分为四种类型:功能、对象、结果与其他。功能表示具体的操作类型,例如“测量”、“测定”、“检测”、“分离”、“分析”等;对象表示具体作用的对象,例如“电信号”、“金属”、“微表面”等;结果表示设备操作后产生的结果或效果,例如“压力”、“光谱”、“力学性能”、“功率”等;其他表示有助于描述功能但不属于前三类的关键词。对数据进行关键词统计,选取功能相关的高频关键词进行人工人类,并建立《常用功能关键词分类表》,如表5所示。根据分类表形成分类的候选标签集合,例如{“功能”:{测量},“对象”:{液体},“结果”:“温度”,“其他”:{}}。
表5常用功能关键词分类表结构
关键词名称 | 类型 |
测量 | 功能 |
扫面 | 功能 |
金属 | 对象 |
液体 | 对象 |
压力 | 结果 |
长度 | 结果 |
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种仪器设备功能标签化处理方法,其特征在于:所述方法包括如下步骤:
S1:提取目标仪器设备的功能文本信息,即从现有数据中提取含有目标仪器功能描述的文本信息;
S2:从功能文本信息中解析关键词,获得关键词集合;
S3:将所述关键词集合进行分类,构建常用关键词分类表,并根据所述常用关键词分类表确定候选标签集合;
其中,分类的类型包括功能、对象、结果和其他;
S4:构建标签评选模型,将所述候选标签集合输入所述评选模型;
所述标签评选模型采用朴素贝叶斯法,其中,朴素贝叶斯法的特征变量为以四个类型功能、对象、结果和其他中三个类型为输入,剩余的一个类型为输出;
S5:根据所述评选模型输出各个类型的候选标签的概率,并按照所述各个类型概率从大到小进行排序,按照预设关键词数量在排序中从上到下选取对应的候选标签为仪器设备标签。
2.根据权利要求1所述仪器设备功能标签化处理方法,其特征在于:所述步骤S1中所述功能文本信息包括将目标仪器设备的编码转换为文本信息和将符号转换为文本信息;
所述将符号转换为文本信息包括将化学元素符号转换为与元素符号对应的文本信息,以及将计量单位符号转换为与所述计量单位符号对应的文本信息。
3.根据权利要求2所述仪器设备功能标签化处理方法,其特征在于:所述步骤S2包括:
S21:构建通用词库和弃用词库;
S22:采用分词算法对所述功能文本信息进行分词,并根据所述分词结果确定词频;
S23:根据所述词频从大到小进行排序,并删除低于预设频次的词;
S24:将步骤S23处理后的词进行二次过滤,即删除骤S23处理后的词中包括的通用词库和弃用词库中的词;
S25:经过二次过滤后剩下的词为关键词,并形成所述关键词集合。
4.根据权利要求3所述仪器设备功能标签化处理方法,其特征在于:所述步骤S3包括:
S31:构建常用关键词分类表;
S32:将关键词集合中的关键词依次与所述常用关键词分类表对应,确定关键词类型;
S33:将关键词与关键词的类型放入集合中,所述集合为候选标签集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110685031.5A CN113297382B (zh) | 2021-06-21 | 2021-06-21 | 仪器设备功能标签化处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110685031.5A CN113297382B (zh) | 2021-06-21 | 2021-06-21 | 仪器设备功能标签化处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113297382A CN113297382A (zh) | 2021-08-24 |
CN113297382B true CN113297382B (zh) | 2023-04-25 |
Family
ID=77328929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110685031.5A Active CN113297382B (zh) | 2021-06-21 | 2021-06-21 | 仪器设备功能标签化处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297382B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0238693A1 (en) * | 1986-03-27 | 1987-09-30 | International Business Machines Corporation | Speech recognition system and method using statistical models for words |
CN102193946A (zh) * | 2010-03-18 | 2011-09-21 | 株式会社理光 | 为媒体文件添加标签方法和使用该方法的系统 |
TW201545083A (zh) * | 2014-05-27 | 2015-12-01 | Insyde Software Corp | 檢定項目資料的數據處理方法 |
US9704054B1 (en) * | 2015-09-30 | 2017-07-11 | Amazon Technologies, Inc. | Cluster-trained machine learning for image processing |
CN108664989A (zh) * | 2018-03-27 | 2018-10-16 | 北京达佳互联信息技术有限公司 | 图像标签确定方法、装置及终端 |
CN110442722A (zh) * | 2019-08-13 | 2019-11-12 | 北京金山数字娱乐科技有限公司 | 分类模型训练的方法及装置、数据分类的方法及装置 |
CN111797911A (zh) * | 2020-06-22 | 2020-10-20 | 浙江大学 | 一种图像数据多标签分类方法 |
CN112685642A (zh) * | 2021-01-06 | 2021-04-20 | 北京三快在线科技有限公司 | 一种标签推荐方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10325220B2 (en) * | 2014-11-17 | 2019-06-18 | Oath Inc. | System and method for large-scale multi-label learning using incomplete label assignments |
CN107169061B (zh) * | 2017-05-02 | 2020-12-11 | 广东工业大学 | 一种融合双信息源的文本多标签分类方法 |
CN108153856B (zh) * | 2017-12-22 | 2022-09-06 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN110674319B (zh) * | 2019-08-15 | 2024-06-25 | 中国平安财产保险股份有限公司 | 标签确定方法、装置、计算机设备及存储介质 |
CN111400606B (zh) * | 2020-06-02 | 2020-12-01 | 江苏省质量和标准化研究院 | 一种基于全局和局部信息抽取的多标签分类方法 |
-
2021
- 2021-06-21 CN CN202110685031.5A patent/CN113297382B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0238693A1 (en) * | 1986-03-27 | 1987-09-30 | International Business Machines Corporation | Speech recognition system and method using statistical models for words |
CN102193946A (zh) * | 2010-03-18 | 2011-09-21 | 株式会社理光 | 为媒体文件添加标签方法和使用该方法的系统 |
TW201545083A (zh) * | 2014-05-27 | 2015-12-01 | Insyde Software Corp | 檢定項目資料的數據處理方法 |
US9704054B1 (en) * | 2015-09-30 | 2017-07-11 | Amazon Technologies, Inc. | Cluster-trained machine learning for image processing |
CN108664989A (zh) * | 2018-03-27 | 2018-10-16 | 北京达佳互联信息技术有限公司 | 图像标签确定方法、装置及终端 |
CN110442722A (zh) * | 2019-08-13 | 2019-11-12 | 北京金山数字娱乐科技有限公司 | 分类模型训练的方法及装置、数据分类的方法及装置 |
CN111797911A (zh) * | 2020-06-22 | 2020-10-20 | 浙江大学 | 一种图像数据多标签分类方法 |
CN112685642A (zh) * | 2021-01-06 | 2021-04-20 | 北京三快在线科技有限公司 | 一种标签推荐方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
X. He 等.Dynamic Programming for Quantization of q-ary Input Discrete Memoryless Channels.《2019 IEEE International Symposium on Information Theory》.2019,450- 454. * |
Xin Li 等.ulti-label Image Classification with A Probabilistic Label Enhancement Model.《In Proceedings of the Thirtieth Conference on Uncertainty in Artificial Intelligence》.2014,430–439. * |
罗鹏程 等.从大众分类到层次式资源组织体系——利用聚类信息构建标签树.《图书情报工作》.2013,第57卷(第22期),120-125+59. * |
蒋来好 等.基于Spark 的大规模单图频繁子图算法.《计算机与数字工程》.2019,第47卷(第10期),2405-2412. * |
Also Published As
Publication number | Publication date |
---|---|
CN113297382A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112732934B (zh) | 电网设备分词词典和故障案例库构建方法 | |
CN111324742B (zh) | 一种数字人文知识图谱的构建方法 | |
CN110569353A (zh) | 一种基于注意力机制的Bi-LSTM的标签推荐方法 | |
US11734782B2 (en) | Automated document analysis for varying natural languages | |
CN107168956B (zh) | 一种基于管道的中文篇章结构分析方法及系统 | |
CN115080694A (zh) | 一种基于知识图谱的电力行业信息分析方法及设备 | |
CN111160023A (zh) | 一种基于多路召回的医疗文本命名实体识别方法 | |
CN111680506A (zh) | 数据库表的外键映射方法、装置、电子设备和存储介质 | |
CN115713085A (zh) | 文献主题内容分析方法及装置 | |
CN114495143A (zh) | 一种文本对象识别方法、装置、电子设备及存储介质 | |
CN114722198A (zh) | 产品分类编码确定方法、系统及相关装置 | |
Li | Construction of Internet of Things English terms model and analysis of language features via deep learning | |
CN114708000A (zh) | 企业信用分类系统构建方法、装置、电子设备及存储介质 | |
CN113297382B (zh) | 仪器设备功能标签化处理方法 | |
Bottai et al. | Unconventional data for policy: Using Big Data for detecting Italian innovative SMEs | |
CN113392636B (zh) | 一种生态风险评价文献中毒理学术语的文本挖掘方法 | |
CN109977227B (zh) | 基于特征编码的文本特征提取方法、系统、装置 | |
CN114116967A (zh) | 数据的清洗方法、装置、电子设备及计算机可读介质 | |
CN113435201A (zh) | 一种Span标注框架下的实体抽取采样方法 | |
Tijare et al. | A smart resume screening tool for customized shortlisting | |
CN110928985A (zh) | 一种基于深度学习算法自动提取近义词的科技项目查重方法 | |
CN114880471B (zh) | 一种基于文本分类算法的电子病历质量评估方法及系统 | |
CN111241827B (zh) | 一种基于句子检索模式的属性抽取方法 | |
CN112711941B (zh) | 一种基于情感词典实体的情感得分的分析处理方法 | |
CN117891947A (zh) | 一种面向新闻领域实现机构预警指标分类的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |