standard download
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211402800.7 (22)申请日 2022.11.10 (71)申请人 中国测绘科 学研究院 地址 100036 北京市海淀区莲 花池西路28 号 (72)发明人 赵习枝 仇阿根 张福浩 罗宁 朱鹏 陶坤旺 方美丽 陈才 郑佳荣 陈颂 刘尚钦 (74)专利代理 机构 北京睿派知识产权代理有限 公司 11597 专利代理师 刘锋 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/335(2019.01) G06F 40/242(2020.01)G06F 40/279(2020.01) G06F 40/30(2020.01) (54)发明名称 一种政务文本的主题信息提取方法及存储 介质 (57)摘要 一种政务文本的主题信息提取方法及存储 介质, 其中所述方法, 首先对非结构化的政务文 本数据进行预处理, 对预处理后的文本数据, 采 用MacBERT模型进行字向量提取; 然后通过Bi GRU 模型捕捉句子中的语义信息, 得到关键词的高级 特征向量; 最后计算关键词重要性, 对关键词重 要性降序排列, 选取重要性较高的关键词作为主 题信息关键词, 实现政务文本的主题信息提取。 本发明在于结合MacBERT模型和BiGRU模型对非 结构化的政务文本数据进行主题信息提取, 不仅 减小模型过拟合风险, 而且能够很好的提取关键 词高级特征, 获得更准确的主题信息关键词, 帮 助政府部门快速地挖掘分析非结构化文本 。 权利要求书2页 说明书5页 附图1页 CN 115455155 A 2022.12.09 CN 115455155 A 1.一种政务文本的主题信息提取 方法, 其特 征在于, 包括如下步骤: 数据预处 理步骤S1 10: 对非结构化的政务文本数据进行预处理, 所述预处理包括过滤掉无关信息, 并对所述 文本数据进行分词处 理; 文本特征向量提取与处 理步骤S120: 对预处理后的所述政务文本信息数据, 采用MacBERT模型进行字向量提取, 获取关键字 特征向量, 然后将所述关键字特征向量作为输入, 通过BiGRU模型捕捉句子中的语义信息, 优化特征向量, 得到关键词的高级特 征向量; 获得主题信息步骤S130: 接收在步骤S120中所提取的关键词的高级特征向量, 计算关 键词重要性, 对关键词重要性降序排列, 选取重要性高的关键词作为主题信息关键词, 实现 政务文本的主题信息提取。 2.根据权利要求1所述的主题信息提取 方法, 其特 征在于: 所述预处理具体包括: 删除标点符号和空格, 在政务文本数据中引入领域词典, 对数据 作分词处理, 利用通用停用 词库进行停用 词过滤, 去掉分词后的政务文本数据中对应的停 用词。 3.根据权利要求2所述的主题信息提取 方法, 其特 征在于: 所述政务文本信息数据包括非结构化的政务文本数据, 具体为: 描述辖区建设和辖区 健康管理 统计监察情况等信息的自然 文本语言。 4.根据权利要求1所述的主题信息提取 方法, 其特 征在于: 在步骤S120中, 所述BiGRU模型为 一种双向的改进的循环神经网络 。 5.根据权利要求 4所述的主题信息提取 方法, 其特 征在于: 所述BiGRU模型包括正向GRU模型 和反向GRU模型 , 其中正向GRU模型 中对关键字特征向量采用正向输入即 , 反向GRU模型 对关键字特 征向量采用反向输入即 , 每个GRU模型 , 由更新门 和重置门 构成, GRU模型内部的信息传播过程 如下式: 其中, 为向量输入, 为重置门 的权重矩阵, 为更新门 的权重矩阵, 为现 在信息 的权重矩阵, 为逐元素相乘, 为sigmoid函数, 为双曲正切函数, 现在 信息 由过去信息 与当前输入 共同决定, 为 时刻的信息 输出, 包含过去信息 和权 利 要 求 书 1/2 页 2 CN 115455155 A 2现在信息 , 更新门 用来控制当前的状态需要遗忘多少历史信息和接受多少新信息, 重 置门 用来控制候选状态中有 多少信息是从历史信息中得到; 最终, 所述BiGRU模型的输出 由以下公式定义得 出: 其中, 为正向GRU模型输出, 为反向GRU模型输出, 表示 时刻 所对应的权重, 表示 所对应的权 重, 表示 时刻 所对应的偏置项。 6.根据权利要求5所述的主题信息提取 方法, 其特 征在于: 在步骤S120中, 由MacBERT模型进行字向量提取, 提取出的所述字向量通过双向的GRU 模型提取 出上下文特征, 拼接生成关键词的高级特 征向量。 7.根据权利要求1所述的主题信息提取 方法, 其特 征在于: 主题信息关键词重要性 P通过sigmo id函数获得, 其中0 <P<1: 其中, 是 的权重矩阵, 是 的偏置项。 8.根据权利要求7 所述的主题信息提取 方法, 其特 征在于: 对每个主题信息关键词的重要性 P按从大到小排序, 选取 前八个作为主题信息关键词。 9.一种存 储介质, 用于存 储计算机可 执行指令, 其特 征在于: 所述计算机可执行指令在被处理器执行时执行权利要求1 ‑8中任意一项所述的政务文 本主题信息提取 方法。权 利 要 求 书 2/2 页 3 CN 115455155 A 3
专利 一种政务文本的主题信息提取方法及存储介质
文档预览
中文文档
9 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共9页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-24 00:45:04
上传分享
举报
下载
原文档
(556.9 KB)
分享
友情链接
GB-T 1499.3-2022 钢筋混凝土用钢 第3部分:钢筋焊接网.pdf
DB52-T 1542.3-2021 政务服务平台 第3部分:运维管理规范 贵州省.pdf
GB/T 34960.2-2017 信息技术服务 治理 第2部分:实施指南.pdf
GB-T 22551-2023 旅居车辆 居住要求.pdf
T-CES 104—2022 综合能源安全风险评价指标体系.pdf
DB42- 1539-2019 表面涂装(汽车制造业)挥发性有机化合物排放标准 湖北省.pdf
GB/T 40143-2021 志愿服务组织基本规范.pdf
DB51-T 2825-2021 放心舒心消费服务规范 第1部分:家装行业 四川省.pdf
GB-T 17901.1-2020 信息技术 安全技术 密钥管理 第1部分:框架.pdf
T-CGDF 00035—2022 农田土壤固碳评价技术规范 第1部分 当季.pdf
清华AIGC和ChatGPT报告-192页.pdf
YD-T 4204-2023 5G移动通信网络设备安全保障要求 核心网网络功能.pdf
GB-T 18305-2016 质量管理体系 汽车生产件及相关服务件组织应用GB-T 19001—2008的特别要求.pdf
DL-T 2036-2019 高压交流架空输电线路可听噪声计算方法.pdf
2021-信通院-数据安全风险分析及应对策略研究.pdf
中康科技 乙肝肝炎行业研究报告解读 2021 .pdf
信息安全技术 网络安全等级保护基本要求 第1部分: 安全通用要求 标准征求意见稿.pdf
GB-T 35291-2017 信息安全技术 智能密码钥匙应用接口规范.pdf
华为 工业互联网白皮书 工业知识与ICT技术深入融合 2020.pdf
GB-T 43557-2023 信息安全技术 网络安全信息报送指南.pdf
1
/
9
评价文档
赞助2.5元 点击下载(556.9 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。