CN117273015B - 一种语义分析的电子文件归档分类方法 - Google Patents

一种语义分析的电子文件归档分类方法 Download PDF

Info

Publication number
CN117273015B
CN117273015B CN202311559262.7A CN202311559262A CN117273015B CN 117273015 B CN117273015 B CN 117273015B CN 202311559262 A CN202311559262 A CN 202311559262A CN 117273015 B CN117273015 B CN 117273015B
Authority
CN
China
Prior art keywords
word segmentation
vocabulary
electronic file
text
influence
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
Application number
CN202311559262.7A
Other languages
English (en)
Other versions
CN117273015A (zh
Inventor
周灿
邹开明
彭哲
吴浩
黄伊偲
李民
黄晶郎
黄惊水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Communications Logistics Information Service Co ltd
Hunan Provincial Water Transportation Construction & Investment Group Co ltd
Original Assignee
Hunan Communications Logistics Information Service Co ltd
Hunan Provincial Water Transportation Construction & Investment Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Communications Logistics Information Service Co ltd, Hunan Provincial Water Transportation Construction & Investment Group Co ltd filed Critical Hunan Communications Logistics Information Service Co ltd
Priority to CN202311559262.7A priority Critical patent/CN117273015B/zh
Publication of CN117273015A publication Critical patent/CN117273015A/zh
Application granted granted Critical
Publication of CN117273015B publication Critical patent/CN117273015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Machine Translation (AREA)

Abstract

本发明涉及语义分析的技术领域，公开了一种语义分析的电子文件归档分类方法，包括：构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，并对矩阵化表示结果进行分解重组，对预处理后的电子文件文本进行语义提取，构建电子文件文本词汇影响力网络；基于电子文件文本词汇影响力网络中的节点影响力树计算每个词汇节点的链接影响力，选取电子文件文本关键词，基于关键词实现电子文件归档。本发明结合词汇对其他词汇的位置关联特征以及语义信息构建得到节点影响力树，选取对电子文件整体位置结构以及语义结构影响力最大的词汇节点作为关键词，基于电子文件文本关键词实现电子文件归档分类。

Description

一种语义分析的电子文件归档分类方法
技术领域
本发明涉及语义分析的技术领域，尤其涉及一种语义分析的电子文件归档分类方法。
背景技术
随着信息技术广泛普及，各行业发展随之产生大量的电子文件，针对数量庞大的电子文件归档及管理工作成为各行业所需做好的重要工作内容。重点是要确保海量电子文件的高效快速归档，并且可同步实现电子文件数据的在线访问效果，切实提升电子文件管理的质量和效率。现有的电子文件管理以人工归档为主，通过人工分析电子文档内容实现文档分类管理，存在效率低下，易出错的缺陷。
发明内容
有鉴于此，本发明提供一种语义分析的电子文件归档分类方法，目的在于：1）根据不同分词结果在窗口中共现的频率初始化生成表征不同分词结果共现信息的矩阵化表示结果，并对矩阵化表示结果进行基于特征分解方式的分解重组处理，得到表征不同分词结果位置关联特征的词汇结构网络，并对分解结果进行结合位置信息、词频信息、句频信息的语义编码表示，通过计算不同分解结果编码表示的余弦相似度，构建得到表征分解结果语义关联特征的词汇语义网络，实现电子文件文本中词汇的位置结构以及语义信息表征；2）基于词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，并结合词汇对其他词汇的位置关联特征以及语义信息构建得到节点影响力树，并基于节点影响力树计算每个词汇节点的链接影响力，其中所语义关联词汇的位置关联特征、自身语义信息以及位置关联特征越大，则该词汇对电子文件整体位置结构以及语义结构的影响力越大，词汇节点的链接影响力越大，进而选取电子文件文本关键词，基于电子文件文本关键词实现电子文件归档分类。
实现上述目的，本发明提供的一种语义分析的电子文件归档分类方法，包括以下步骤：
S1：对待归档分类的电子文件文本进行预处理，得到预处理后的电子文件文本；
S2：构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，并对矩阵化表示结果进行分解重组，得到词汇结构网络；
S3：对预处理后的电子文件文本进行语义提取，构建得到词汇语义网络，其中基于词向量的词汇相似度计算为所述语义提取的主要实施方法；
S4：基于词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络；
S5：对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，并基于节点影响力树计算每个词汇节点的链接影响力，比较不同词汇节点的链接影响力选取电子文件文本关键词；
S6：将含有共同电子文件文本关键词的电子文件划为一类并进行归档。
作为本发明的进一步改进方法：
可选地，所述S1步骤中对待归档分类的电子文件文本进行预处理，包括：
获取待归档分类的电子文件文本，并对电子文件文本进行预处理，其中预处理流程为：
S11：预构建电子文件文本词典以及停用词表，其中电子文件文本词典中包含若干电子文件中的常用词；在本发明实施例中，停用词表包括常见的定冠词、语气词、介词等；
S12：利用电子文件文本中的标点符号以及分段符号将电子文件文本划分为若干句文本，并设置最大提取字符max_len，对电子文件文本中的每句文本进行分词处理，其中电子文件文本中任意一句文本的分词处理流程为：
S121：取文本末尾的max_len长度的字符子串作为待分词字符子串；
S122：将待分词字符子串在电子文件文本词典中进行匹配，若匹配成功则在文本末尾中删去匹配成功的字符子串，并记录匹配成功的待分词字符子串作为分词结果，返回步骤S121，直到所选取文本中不存在字符，若匹配失败则转向步骤S123；
S123：过滤待分词字符子串中的第一个字符，返回步骤S122；
若待分词字符子串中仅剩一个字符，则将所剩字符作为分词结果，在文本末尾中删去所剩字符，返回步骤S121；
S13：将电子文件文本的分词结果与停用词表进行匹配，将匹配成功的分词结果进行过滤，得到电子文件文本的预处理结果：
；
其中：
表示电子文件文本中第n句文本的预处理结果，N表示电子文件文本中的文本句数；
表示/>中所保留的第j个分词结果，/>表示/>中所保留的分词结果总数，/>。
可选地，所述S2步骤中构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，包括：
构建电子文件文本共现网络，其中电子文件文本共现网络的输入为预处理后的电子文件文本，输出为电子文件文本的矩阵化表示结果，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示的流程为：
S21：将电子文件文本的预处理结果转换为分词结果序列X：
；
；
S22：对分词结果序列进行去重，得到去重后的分词结果序列Y：
；
其中：
表示去重后的第m个分词结果，M表示电子文件文本中去重后的分词结果数量；
S23：设置共现窗口长度为，共现窗口的移动步长为a，将共现窗口的末端与分词结果序列X中的第一个分词结果/>对齐，将共现窗口中的分词结果作为当前共现的分词结果，并将共现窗口沿着分词结果序列X移动，每次移动过程中统计当前共现的分词结果，直到共现窗口的始端超过分词结果序列X中的最后一个分词结果/>；
S24：统计分词结果序列Y中不同分词结果在共现窗口移动过程中的共现次数，构成电子文件文本的矩阵化表示结果Q：
；
其中：
，表示分词结果/>和/>在共现窗口移动过程中的共现次数。
可选地，所述S2步骤中对矩阵化表示结果进行分解重组，得到词汇结构网络，包括：
对电子文件文本的矩阵化表示结果进行分解重组，构建得到词汇结构网络，其中矩阵化表示结果Q的分解重组流程为：
基于矩阵化表示结果Q确定待分解的目标矩阵：
；
对进行特征分解，得到M个特征值，其中T表示转置，并按特征值由大到小的顺序进行排序：
；
其中：
表示特征分解得到的第m大的特征值；
将分解得到的特征值转换为对角矩阵：
；
其中：
表示对角矩阵表示，/>即为对角矩阵中对角线的元素值；
对进行特征分解，按特征值由大到小顺序对相应的特征向量排序，构成特征向量矩阵/>：
；
其中：
表示/>特征分解结果中第m大的特征值所对应的特征向量；
将分解结果重组为词汇结构网络：
；
其中：
表示词汇结构网络的矩阵化表示结果，/>为M行M列的矩阵形式，/>为词汇结构网络中第m行M列的元素值，对应电子文件文本中分词结果/>和/>的结构关系。
可选地，所述S3步骤中对预处理后的电子文件文本进行语义提取，构建得到词汇语义网络，包括：
对预处理后的电子文件文本进行语义提取，并将语义提取结果构建为词汇语义网络，其中基于语义提取的词汇语义网络构建流程为：
S31：获取去重后的分词结果序列Y，计算得到分词结果序列Y中任意分词结果的语义权重，其中分词结果的语义权重计算公式为：
；
；
；
；
；
其中：
表示分词结果/>的语义权重；
表示分词结果/>的位置信息，/>表示含有分词结果/>的句子在电子文件文本中的位置中位数；
表示分词结果/>的共现信息，/>表示矩阵化表示结果Q中的元素值之和，/>表示矩阵化表示结果Q中第m列的元素值之和；
表示分词结果/>的词频信息，/>表示分词结果/>在电子文件文本中的出现次数，/>表示分词结果序列Y中所有分词结果在电子文件文本中的平均出现次数，/>表示/>表示分词结果序列Y中所有分词结果在电子文件文本中的出现次数标准差；
表示分词结果/>的句频信息，/>表示电子文件文本中的句子总数，表示电子文件文本中存在分词结果/>的句子数；
S32：对分词结果序列Y中的任意分词结果进行编码处理，其中分词结果的编码处理流程为：
S321：利用独热法对分词结果进行独热编码，得到分词结果/>的独热编码结果/>；
S322：利用BERT模型对独热编码结果进行向量化表示，得到分词结果的词向量表示结果/>；
S323：基于语义权重对词向量表示结果进行加权映射，得到分词结果/>的编码处理结果：
；
其中：
表示以自然常数为底的指数函数；
S33：计算分词结果序列Y中任意两个不同分词结果所对应编码处理结果的余弦相似度，并构建得到词汇语义网络，其中词汇语义网络的矩阵化表示形式为：
；
其中：
F表示词汇语义网络的矩阵化表示；
表示分词结果序列Y中分词结果/>和/>所对应编码处理结果之间的余弦相似度。
可选地，所述S4步骤中根据所构建的词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，包括：
根据所构建的词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，其中所构建电子文件文本词汇影响力网络的矩阵表示形式为：
；
；
其中：
K表示电子文件文本词汇影响力网络的矩阵表示形式；
表示分词结果序列Y中分词结果/>对/>的影响力，包括结构影响力/>和语义影响力/>，/>表示词汇结构网络中第i行j列的元素值，/>表示词汇语义网络中第i行j列的元素值，i和j的取值范围为[1,M]。
可选地，所述S5步骤中对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，包括：
对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，其中电子文件文本词汇影响力网络中的词汇节点集合对应分词结果序列，则分词结果/>对应的词汇节点为/>，词汇节点/>的节点影响力树的构建流程为：
S51：获取K中的第m行矩阵：
其中：
表示分词结果序列Y中分词结果/>对/>的影响力；
S52：计算得到词汇节点的影响力值/> ：
其中：
为词汇节点/>所对应分词结果/>的结构影响力，/>表示词汇节点/>所对应分词结果/>的语义影响力；
将词汇节点作为根节点，根节点的影响力值为/>；
S53：按照所获取第m行矩阵中非K中对角线位置元素的结构影响力，并对矩阵中非K中对角线位置元素进行排序，按照排序顺序，以词汇节点作为根节点，其他元素作为子节点以及叶子节点构建二叉树，得到词汇节点/>的节点影响力树。在本发明实施例中，二叉树的构建流程为按照二叉树由上到下、由左到右的顺序，将除/>外元素，按照排序顺序进行二叉树节点填充。
可选地，所述S5步骤中基于节点影响力树计算每个词汇节点的链接影响力，选取电子文件文本关键词，包括：
基于节点影响力树计算每个词汇节点的链接影响力，其中词汇节点的链接影响力计算流程为：
S51：将节点影响力树中非根节点的语义影响力作为该节点向上连接路径的概率权重；
S52：以节点影响力树的根节点为起点，按照概率权重选取每层的遍历路径向下遍历，其中节点影响力树每层只遍历一个节点，直到遍历到节点影响力树的叶子节点；
S53：将所遍历节点的结构影响力进行累加求和，并将求和结果与根节点的影响力值相加，得到词汇节点/>的链接影响力；
按照预设的电子文件文本关键词数目U，选取链接影响力最大的U个词汇节点所对应的分词结果作为电子文件文本关键词。
可选地，所述S6步骤中将含有共同电子文件文本关键词的电子文件划为一类，并进行电子文件归档，包括：
计算不同电子文件的电子文件文本关键词重合率，将重合率高于预设重合阈值的电子文件划为一类，并进行电子文件归档。
为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；
通信接口，实现电子设备通信；及
处理器，执行所述存储器中存储的指令以实现上述所述的语义分析的电子文件归档分类方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的语义分析的电子文件归档分类方法。
有益效果
相对于现有技术，本发明提出一种语义分析的电子文件归档分类方法，该技术具有以下优势：
首先，本方案提出一种电子文件文本中词汇的位置结构以及语义信息表征的方法，获取去重后的分词结果序列Y，计算得到分词结果序列Y中任意分词结果的语义权重，其中分词结果的语义权重计算公式为：
其中：表示分词结果/>的语义权重；/>表示分词结果/>的位置信息，/>表示含有分词结果/>的句子在电子文件文本中的位置中位数；表示分词结果/>的共现信息，/>表示矩阵化表示结果Q中的元素值之和，/>表示矩阵化表示结果Q中第m列的元素值之和；/>表示分词结果/>的词频信息，表示分词结果/>在电子文件文本中的出现次数，/>表示分词结果序列Y中所有分词结果在电子文件文本中的平均出现次数，/>表示/>表示分词结果序列Y中所有分词结果在电子文件文本中的出现次数标准差；/>表示分词结果/>的句频信息，/>表示电子文件文本中的句子总数，/>表示电子文件文本中存在分词结果的句子数；本方案根据不同分词结果在窗口中共现的频率初始化生成表征不同分词结果共现信息的矩阵化表示结果，并对矩阵化表示结果进行基于特征分解方式的分解重组处理，得到表征不同分词结果位置关联特征的词汇结构网络，并对分解结果进行结合位置信息、词频信息、句频信息的语义编码表示，通过计算不同分解结果编码表示的余弦相似度，构建得到表征分解结果语义关联特征的词汇语义网络，实现电子文件文本中词汇的位置结构以及语义信息表征。
同时，本方案提出一种电子文件分类方法，对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，其中电子文件文本词汇影响力网络中的词汇节点集合对应分词结果序列Y，则分词结果对应的词汇节点为，词汇节点的节点影响力树的构建流程为：获取K中的第m行矩阵：
其中：
表示分词结果序列Y中分词结果/>对/>的影响力；
计算得到词汇节点的影响力值/>：
其中：
为词汇节点/>所对应分词结果/>的结构影响力，/>表示词汇节点/>所对应分词结果/>的语义影响力；
将词汇节点作为根节点，根节点的影响力值为/>；
按照所获取第m行矩阵中非K中对角线位置元素的结构影响力，并对矩阵中非K中对角线位置元素进行排序，按照排序顺序，以词汇节点作为根节点，其他元素作为子节点以及叶子节点构建二叉树，得到词汇节点/>的节点影响力树。基于节点影响力树计算每个词汇节点的链接影响力，其中词汇节点的链接影响力计算流程为：将节点影响力树中非根节点的语义影响力作为该节点向上连接路径的概率权重；以节点影响力树的根节点为起点，按照概率权重选取每层的遍历路径向下遍历，其中节点影响力树每层只遍历一个节点，直到遍历到节点影响力树的叶子节点；将所遍历节点的结构影响力进行累加求和，并将求和结果与根节点的影响力值相加，得到词汇节点的链接影响力；按照预设的电子文件文本关键词数目U，选取链接影响力最大的U个词汇节点所对应的分词结果作为电子文件文本关键词。本方案基于词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，并结合词汇对其他词汇的位置关联特征以及语义信息构建得到节点影响力树，并基于节点影响力树计算每个词汇节点的链接影响力，其中所语义关联词汇的位置关联特征、自身语义信息以及位置关联特征越大，则该词汇对电子文件整体位置结构以及语义结构的影响力越大，词汇节点的链接影响力越大，进而选取电子文件文本关键词，基于电子文件文本关键词实现电子文件归档分类。
附图说明
图1为本发明一实施例提供的一种语义分析的电子文件归档分类方法的流程示意图；
图2为本发明一实施例提供的实现语义分析的电子文件归档分类方法的电子设备的结构示意图。
图中：1、电子设备，10、处理器，11、存储器，12、程序，13、通信接口。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种语义分析的电子文件归档分类方法。所述语义分析的电子文件归档分类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述语义分析的电子文件归档分类方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：对待归档分类的电子文件文本进行预处理，得到预处理后的电子文件文本。
所述S1步骤中对待归档分类的电子文件文本进行预处理，包括：
获取待归档分类的电子文件文本，并对电子文件文本进行预处理，其中预处理流程为：
S11：预构建电子文件文本词典以及停用词表，其中电子文件文本词典中包含若干电子文件中的常用词；在本发明实施例中，停用词表包括常见的定冠词、语气词、介词等；
S12：利用电子文件文本中的标点符号以及分段符号将电子文件文本划分为若干句文本，并设置最大提取字符max_len，对电子文件文本中的每句文本进行分词处理，其中电子文件文本中任意一句文本的分词处理流程为：
S121：取文本末尾的max_len长度的字符子串作为待分词字符子串；
S122：将待分词字符子串在电子文件文本词典中进行匹配，若匹配成功则在文本末尾中删去匹配成功的字符子串，并记录匹配成功的待分词字符子串作为分词结果，返回步骤S121，直到所选取文本中不存在字符，若匹配失败则转向步骤S123；
S123：过滤待分词字符子串中的第一个字符，返回步骤S122；
若待分词字符子串中仅剩一个字符，则将所剩字符作为分词结果，在文本末尾中删去所剩字符，返回步骤S121；
S13：将电子文件文本的分词结果与停用词表进行匹配，将匹配成功的分词结果进行过滤，得到电子文件文本的预处理结果：
；
其中：
表示电子文件文本中第n句文本的预处理结果，N表示电子文件文本中的文本句数；
表示/>中所保留的第j个分词结果，/>表示/>中所保留的分词结果总数，/>。
S2：构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，并对矩阵化表示结果进行分解重组，得到词汇结构网络。
所述S2步骤中构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，包括：
构建电子文件文本共现网络，其中电子文件文本共现网络的输入为预处理后的电子文件文本，输出为电子文件文本的矩阵化表示结果，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示的流程为：
S21：将电子文件文本的预处理结果转换为分词结果序列X：
；
；
S22：对分词结果序列进行去重，得到去重后的分词结果序列Y：
；
其中：
表示去重后的第m个分词结果，M表示电子文件文本中去重后的分词结果数量；
S23：设置共现窗口长度为，共现窗口的移动步长为a，将共现窗口的末端与分词结果序列X中的第一个分词结果/>对齐，将共现窗口中的分词结果作为当前共现的分词结果，并将共现窗口沿着分词结果序列X移动，每次移动过程中统计当前共现的分词结果，直到共现窗口的始端超过分词结果序列X中的最后一个分词结果/>；
S24：统计分词结果序列Y中不同分词结果在共现窗口移动过程中的共现次数，构成电子文件文本的矩阵化表示结果Q：
；
其中：
，表示分词结果/>和/>在共现窗口移动过程中的共现次数。
所述S2步骤中对矩阵化表示结果进行分解重组，得到词汇结构网络，包括：
对电子文件文本的矩阵化表示结果进行分解重组，构建得到词汇结构网络，其中矩阵化表示结果Q的分解重组流程为：
基于矩阵化表示结果Q确定待分解的目标矩阵：
；
对进行特征分解，得到M个特征值，其中T表示转置，并按特征值由大到小的顺序进行排序：
；
其中：
表示特征分解得到的第m大的特征值；
将分解得到的特征值转换为对角矩阵：
；/>
其中：
表示对角矩阵表示，/>即为对角矩阵中对角线的元素值；
对进行特征分解，按特征值由大到小顺序对相应的特征向量排序，构成特征向量矩阵/>：
；
其中：
表示/>特征分解结果中第m大的特征值所对应的特征向量；
将分解结果重组为词汇结构网络：
；
其中：
表示词汇结构网络的矩阵化表示结果，/>为M行M列的矩阵形式，/>为词汇结构网络中第m行M列的元素值，对应电子文件文本中分词结果/>和/>的结构关系。
S3：对预处理后的电子文件文本进行语义提取，构建得到词汇语义网络，其中基于词向量的词汇相似度计算为所述语义提取的主要实施方法。
所述S3步骤中对预处理后的电子文件文本进行语义提取，构建得到词汇语义网络，包括：
对预处理后的电子文件文本进行语义提取，并将语义提取结果构建为词汇语义网络，其中基于语义提取的词汇语义网络构建流程为：
S31：获取去重后的分词结果序列Y，计算得到分词结果序列Y中任意分词结果的语义权重，其中分词结果的语义权重计算公式为：
；
；
；
；
；
其中：
表示分词结果/>的语义权重；
表示分词结果/>的位置信息，/>表示含有分词结果/>的句子在电子文件文本中的位置中位数；/>
表示分词结果/>的共现信息，/>表示矩阵化表示结果Q中的元素值之和，/>表示矩阵化表示结果Q中第m列的元素值之和；
表示分词结果/>的词频信息，/>表示分词结果/>在电子文件文本中的出现次数，/>表示分词结果序列Y中所有分词结果在电子文件文本中的平均出现次数，/>表示/>表示分词结果序列Y中所有分词结果在电子文件文本中的出现次数标准差；
表示分词结果/>的句频信息，/>表示电子文件文本中的句子总数，表示电子文件文本中存在分词结果/>的句子数；
S32：对分词结果序列Y中的任意分词结果进行编码处理，其中分词结果的编码处理流程为：
S321：利用独热法对分词结果进行独热编码，得到分词结果/>的独热编码结果/>；
S322：利用BERT模型对独热编码结果进行向量化表示，得到分词结果的词向量表示结果/>；
S323：基于语义权重对词向量表示结果进行加权映射，得到分词结果/>的编码处理结果：
其中：
表示以自然常数为底的指数函数；
S33：计算分词结果序列Y中任意两个不同分词结果所对应编码处理结果的余弦相似度，并构建得到词汇语义网络，其中词汇语义网络的矩阵化表示形式为：
其中：
F表示词汇语义网络的矩阵化表示；
表示分词结果序列Y中分词结果/>和/>所对应编码处理结果之间的余弦相似度。
S4：基于词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络。
所述S4步骤中根据所构建的词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，包括：
根据所构建的词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，其中所构建电子文件文本词汇影响力网络的矩阵表示形式为：
；
；
其中：
K表示电子文件文本词汇影响力网络的矩阵表示形式；
表示分词结果序列Y中分词结果/>对/>的影响力，包括结构影响力/>和语义影响力/>，/>表示词汇结构网络中第i行j列的元素值，/>表示词汇语义网络中第i行j列的元素值，i和j的取值范围为[1,M]。
S5：对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，并基于节点影响力树计算每个词汇节点的链接影响力，比较不同词汇节点的链接影响力选取电子文件文本关键词。
所述S5步骤中对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，包括：
对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，其中电子文件文本词汇影响力网络中的词汇节点集合对应分词结果序列Y，则分词结果对应的词汇节点为/>，词汇节点/>的节点影响力树的构建流程为：
S51：获取K中的第m行矩阵：
；
其中：
表示分词结果序列Y中分词结果/>对/>的影响力；
S52：计算得到词汇节点的影响力值/>：
；
其中：
为词汇节点/>所对应分词结果/>的结构影响力，/>表示词汇节点/>所对应分词结果/>的语义影响力；
将词汇节点作为根节点，根节点的影响力值为/>；
S53：按照所获取第m行矩阵中非K中对角线位置元素的结构影响力，并对矩阵中非K中对角线位置元素进行排序，按照排序顺序，以词汇节点作为根节点，其他元素作为子节点以及叶子节点构建二叉树，得到词汇节点/>的节点影响力树。在本发明实施例中，二叉树的构建流程为按照二叉树由上到下、由左到右的顺序，将除/>外元素，按照排序顺序进行二叉树节点填充。
所述S5步骤中基于节点影响力树计算每个词汇节点的链接影响力，选取电子文件文本关键词，包括：
基于节点影响力树计算每个词汇节点的链接影响力，其中词汇节点的链接影响力计算流程为：
S51：将节点影响力树中非根节点的语义影响力作为该节点向上连接路径的概率权重；
S52：以节点影响力树的根节点为起点，按照概率权重选取每层的遍历路径向下遍历，其中节点影响力树每层只遍历一个节点，直到遍历到节点影响力树的叶子节点；
S53：将所遍历节点的结构影响力进行累加求和，并将求和结果与根节点的影响力值相加，得到词汇节点/>的链接影响力；
按照预设的电子文件文本关键词数目U，选取链接影响力最大的U个词汇节点所对应的分词结果作为电子文件文本关键词。
S6：将含有共同电子文件文本关键词的电子文件划为一类并进行归档。
所述S6步骤中将含有共同电子文件文本关键词的电子文件划为一类，并进行电子文件归档，包括：
计算不同电子文件的电子文件文本关键词重合率，将重合率高于预设重合阈值的电子文件划为一类，并进行电子文件归档。
实施例2：
如图2所示，是本发明一实施例提供的实现语义分析的电子文件归档分类方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（用于实现语义分析的电子文件归档分类的程序12等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图2仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图2示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
对待归档分类的电子文件文本进行预处理，得到预处理后的电子文件文本；
构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，并对矩阵化表示结果进行分解重组，得到词汇结构网络；
对预处理后的电子文件文本进行语义提取，构建得到词汇语义网络；
基于词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络；
对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，并基于节点影响力树计算每个词汇节点的链接影响力，比较不同词汇节点的链接影响力选取电子文件文本关键词；
将含有共同电子文件文本关键词的电子文件划为一类并进行归档。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种语义分析的电子文件归档分类方法，其特征在于，所述方法包括：
S1：对待归档分类的电子文件文本进行预处理，得到预处理后的电子文件文本；
S2：构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，并对矩阵化表示结果进行分解重组，得到词汇结构网络；
S3：对预处理后的电子文件文本进行语义提取，构建并得到词汇语义网络；
S4：基于词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络；
S5：对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，并基于节点影响力树计算每个词汇节点的链接影响力，比较不同词汇节点的链接影响力并选取电子文件文本关键词；
S6：将含有共同电子文件文本关键词的电子文件划为一类并进行归档。
2.如权利要求1所述的语义分析的电子文件归档分类方法，其特征在于，所述S1步骤中对待归档分类的电子文件文本进行预处理，包括：
获取待归档分类的电子文件文本，并对电子文件文本进行预处理，其中预处理流程为：
S11：预构建电子文件文本词典以及停用词表，其中电子文件文本词典中包含若干电子文件中的常用词；
S12：利用电子文件文本中的标点符号以及分段符号，将电子文件文本划分为若干句文本，并设置最大提取字符max_len，对电子文件文本中的每句文本进行分词处理；
S13：将电子文件文本的分词结果与停用词表进行匹配，将匹配成功的分词结果进行过滤，得到电子文件文本的预处理结果：
；
其中：
表示电子文件文本中第n句文本的预处理结果，N表示电子文件文本中的文本句数；
表示/>中所保留的第j个分词结果，/>表示/>中所保留的分词结果总数，。
3.如权利要求2所述的语义分析的电子文件归档分类方法，其特征在于，所述S2步骤中构建电子文件文本共现网络，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示，包括：
构建电子文件文本共现网络，其中电子文件文本共现网络的输入为预处理后的电子文件文本，输出为电子文件文本的矩阵化表示结果，利用电子文件文本共现网络对预处理后的电子文件文本进行矩阵化表示的流程为：
S21：将电子文件文本的预处理结果转换为分词结果序列X：
；
；
S22：对分词结果序列进行去重，得到去重后的分词结果序列Y：
；
其中：
表示去重后的第m个分词结果，M表示电子文件文本中去重后的分词结果数量；；
S23：设置共现窗口长度为，共现窗口的移动步长为a，将共现窗口的末端与分词结果序列X中的第一个分词结果/>对齐，将共现窗口中的分词结果作为当前共现的分词结果，并将共现窗口沿着分词结果序列X移动，每次移动过程中统计当前共现的分词结果，直到共现窗口的始端超过分词结果序列X中的最后一个分词结果/>；
S24：统计分词结果序列Y中不同分词结果在共现窗口移动过程中的共现次数，构成电子文件文本的矩阵化表示结果Q：
；
其中：
，表示分词结果/>和/>在共现窗口移动过程中的共现次数。
4.如权利要求3所述的语义分析的电子文件归档分类方法，其特征在于，所述S2步骤中对矩阵化表示结果进行分解重组，得到词汇结构网络，包括：
对电子文件文本的矩阵化表示结果进行分解重组，构建得到词汇结构网络，其中矩阵化表示结果Q的分解重组流程为：
基于矩阵化表示结果Q确定待分解的目标矩阵：
；
对进行特征分解，得到M个特征值，其中T表示转置，并按特征值由大到小的顺序进行排序：
；
其中：
表示特征分解得到的第m大的特征值；
将分解得到的特征值转换为对角矩阵：
；
其中：
表示对角矩阵表示，/>即为对角矩阵中对角线的元素值；
对进行特征分解，按特征值由大到小顺序对相应的特征向量排序，构成特征向量矩阵/>：
；
其中：
表示/>特征分解结果中第m大的特征值所对应的特征向量；
将分解结果重组为词汇结构网络：
；
其中：
表示词汇结构网络的矩阵化表示结果，/>为M行M列的矩阵形式，/>为词汇结构网络中第m行M列的元素值，对应电子文件文本中分词结果/>和/>的结构关系。
5.如权利要求4所述的语义分析的电子文件归档分类方法，其特征在于，所述S3步骤中对预处理后的电子文件文本进行语义提取，构建并得到词汇语义网络，包括：
对预处理后的电子文件文本进行语义提取，并将语义提取结果构建为词汇语义网络，其中基于语义提取的词汇语义网络构建流程为：
S31：获取去重后的分词结果序列Y，计算得到分词结果序列Y中任意分词结果的语义权重，其中分词结果的语义权重计算公式为：
；
；
；
；
；
其中：
表示分词结果/>的语义权重；
表示分词结果/>的位置信息，/>表示含有分词结果/>的句子在电子文件文本中的位置中位数；
表示分词结果/>的共现信息，/>表示矩阵化表示结果Q中的元素值之和，表示矩阵化表示结果Q中第m列的元素值之和；
表示分词结果/>的词频信息，/>表示分词结果/>在电子文件文本中的出现次数，/>表示分词结果序列Y中所有分词结果在电子文件文本中的平均出现次数，/>表示/>表示分词结果序列Y中所有分词结果在电子文件文本中的出现次数标准差；
表示分词结果/>的句频信息，/>表示电子文件文本中的句子总数，表示电子文件文本中存在分词结果/>的句子数；
S32：对分词结果序列Y中的任意分词结果进行编码处理；
S33：计算分词结果序列Y中任意两个不同分词结果所对应编码处理结果的余弦相似度，并构建得到词汇语义网络，其中词汇语义网络的矩阵化表示形式为：
；
其中：
F表示词汇语义网络的矩阵化表示；
表示分词结果序列Y中分词结果/>和/>所对应编码处理结果之间的余弦相似度。
6.如权利要求5所述的语义分析的电子文件归档分类方法，其特征在于，所述S4步骤中根据所构建的词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，包括：
根据所构建的词汇语义网络和词汇结构网络构建电子文件文本词汇影响力网络，其中所构建电子文件文本词汇影响力网络的矩阵表示形式为：
；
；
其中：
K表示电子文件文本词汇影响力网络的矩阵表示形式；
表示分词结果序列Y中分词结果/>对/>的影响力，包括结构影响力/>和语义影响力/>，/>表示词汇结构网络中第i行j列的元素值，/>表示词汇语义网络中第i行j列的元素值，i和j的取值范围为[1,M]，/>表示词汇语义网络的矩阵化表示中第i行第j列个元素，/>。
7.如权利要求6所述的语义分析的电子文件归档分类方法，其特征在于，所述S5步骤中对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，包括：
对电子文件文本词汇影响力网络中的每个词汇节点构建节点影响力树，其中电子文件文本词汇影响力网络中的词汇节点集合对应分词结果序列Y，则分词结果对应的词汇节点为/>，词汇节点/>的节点影响力树的构建流程为：
S51：获取K中的第m行矩阵：
；
其中：
表示分词结果序列Y中分词结果/>对/>的影响力；
S52：计算得到词汇节点的影响力值/>：
；
其中：
为词汇节点/>所对应分词结果/>的结构影响力，/>表示词汇节点所对应分词结果/>的语义影响力；
将词汇节点作为根节点，根节点的影响力值为/>；
S53：按照所获取第m行矩阵中非K中对角线位置元素的结构影响力，并对矩阵中非K中对角线位置元素进行排序，按照排序顺序，以词汇节点作为根节点，其他元素作为子节点以及叶子节点构建二叉树，得到词汇节点/>的节点影响力树。
8.如权利要求7所述的语义分析的电子文件归档分类方法，其特征在于，所述S5步骤中基于节点影响力树计算每个词汇节点的链接影响力，选取电子文件文本关键词，包括：
基于节点影响力树计算每个词汇节点的链接影响力，其中词汇节点的链接影响力计算流程为：
S51：将节点影响力树中非根节点的语义影响力作为该节点向上连接路径的概率权重；
S52：以节点影响力树的根节点为起点，按照概率权重选取每层的遍历路径向下遍历，其中节点影响力树每层只遍历一个节点，直到遍历到节点影响力树的叶子节点；
S53：将所遍历节点的结构影响力进行累加求和，并将求和结果与根节点的影响力值相加，得到词汇节点/>的链接影响力；
按照预设的电子文件文本关键词数目U，选取链接影响力最大的U个词汇节点所对应的分词结果作为电子文件文本关键词。
9.如权利要求1所述的语义分析的电子文件归档分类方法，其特征在于，所述S6步骤中将含有共同电子文件文本关键词的电子文件划为一类，并进行电子文件归档，包括：
计算不同电子文件的电子文件文本关键词重合率，将重合率高于预设重合阈值的电子文件划为一类，并进行电子文件归档。
CN202311559262.7A 2023-11-22 2023-11-22 一种语义分析的电子文件归档分类方法 Active CN117273015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311559262.7A CN117273015B (zh) 2023-11-22 2023-11-22 一种语义分析的电子文件归档分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311559262.7A CN117273015B (zh) 2023-11-22 2023-11-22 一种语义分析的电子文件归档分类方法

Publications (2)

Publication Number Publication Date
CN117273015A CN117273015A (zh) 2023-12-22
CN117273015B true CN117273015B (zh) 2024-02-13

Family

ID=89210939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311559262.7A Active CN117273015B (zh) 2023-11-22 2023-11-22 一种语义分析的电子文件归档分类方法

Country Status (1)

Country Link
CN (1) CN117273015B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111737997A (zh) * 2020-06-18 2020-10-02 达而观信息科技（上海）有限公司 一种文本相似度确定方法、设备及储存介质
EP3719670A1 (en) * 2019-04-04 2020-10-07 Visma Consulting Oy Method for archiving documents
CN113822072A (zh) * 2021-09-24 2021-12-21 广州博冠信息科技有限公司 关键词抽取方法、装置及电子设备
CN114218389A (zh) * 2021-12-21 2022-03-22 一拓通信集团股份有限公司 一种基于图神经网络的化工制备领域长文本分类方法
CN114357167A (zh) * 2021-12-30 2022-04-15 合肥工业大学 基于Bi-LSTM-GCN的多标签文本分类方法和系统
WO2022091359A1 (ja) * 2020-10-30 2022-05-05 富士通株式会社 情報処理プログラム、情報処理方法および情報処理装置
WO2022142106A1 (zh) * 2020-12-31 2022-07-07 平安科技（深圳）有限公司 文本分析方法、装置、电子设备及可读存储介质
CN115309891A (zh) * 2021-05-08 2022-11-08 中国移动通信集团辽宁有限公司 一种文本分类方法、装置、设备及计算机存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9495358B2 (en) * 2006-10-10 2016-11-15 Abbyy Infopoisk Llc Cross-language text clustering
US11138382B2 (en) * 2019-07-30 2021-10-05 Intuit Inc. Neural network system for text classification

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3719670A1 (en) * 2019-04-04 2020-10-07 Visma Consulting Oy Method for archiving documents
CN111737997A (zh) * 2020-06-18 2020-10-02 达而观信息科技（上海）有限公司 一种文本相似度确定方法、设备及储存介质
WO2022091359A1 (ja) * 2020-10-30 2022-05-05 富士通株式会社 情報処理プログラム、情報処理方法および情報処理装置
WO2022142106A1 (zh) * 2020-12-31 2022-07-07 平安科技（深圳）有限公司 文本分析方法、装置、电子设备及可读存储介质
CN115309891A (zh) * 2021-05-08 2022-11-08 中国移动通信集团辽宁有限公司 一种文本分类方法、装置、设备及计算机存储介质
CN113822072A (zh) * 2021-09-24 2021-12-21 广州博冠信息科技有限公司 关键词抽取方法、装置及电子设备
CN114218389A (zh) * 2021-12-21 2022-03-22 一拓通信集团股份有限公司 一种基于图神经网络的化工制备领域长文本分类方法
CN114357167A (zh) * 2021-12-30 2022-04-15 合肥工业大学 基于Bi-LSTM-GCN的多标签文本分类方法和系统

Also Published As

Publication number Publication date
CN117273015A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
CN108717406B (zh) 文本情绪分析方法、装置及存储介质
US11475209B2 (en) Device, system, and method for extracting named entities from sectioned documents
US11520812B2 (en) Method, apparatus, device and medium for determining text relevance
CN110457676B (zh) 评价信息的提取方法及装置、存储介质、计算机设备
CN111177532A (zh) 一种垂直搜索方法、装置、计算机系统及可读存储介质
CN112541338A (zh) 相似文本匹配方法、装置、电子设备及计算机存储介质
US20130318075A1 (en) Dictionary refinement for information extraction
CN113157927B (zh) 文本分类方法、装置、电子设备及可读存储介质
CN112883730B (zh) 相似文本匹配方法、装置、电子设备及存储介质
CN111753082A (zh) 基于评论数据的文本分类方法及装置、设备和介质
CN111325018A (zh) 一种基于web检索和新词发现的领域词典构建方法
CN113268560A (zh) 用于文本匹配的方法和装置
CN114372475A (zh) 一种基于RoBERTa模型的网络舆情情感分析方法及系统
WO2021042529A1 (zh) 文章摘要自动生成方法、装置及计算机可读存储介质
CN111723192A (zh) 代码推荐方法和装置
CN115017898A (zh) 敏感文本的识别方法、装置、电子设备及存储介质
CN114724156A (zh) 表单识别方法、装置及电子设备
CN112906368B (zh) 行业文本增量方法、相关装置及计算机程序产品
CN114691525A (zh) 测试用例的选择方法及装置
CN112926308B (zh) 匹配正文的方法、装置、设备、存储介质以及程序产品
CN114036921A (zh) 一种政策信息匹配方法和装置
CN117273015B (zh) 一种语义分析的电子文件归档分类方法
CN111414755A (zh) 一种基于细粒度情感字典的网络情绪分析方法
WO2023137903A1 (zh) 基于粗糙语义的回复语句确定方法、装置及电子设备
CN114118049B (zh) 信息获取方法、装置、电子设备及存储介质

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