[發(fā)明專利]利用新詞發(fā)現(xiàn)投資標的的方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201711059221.6
• 申請日: 2017-11-01
• 公開（公告）號: CN108038119A
• 公開（公告）日: 2018-05-15
• 發(fā)明（設(shè)計）人: 汪偉;羅傲雪;陳一戀;王曉偉
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 于志光;郭夢霞

1.一種利用新詞發(fā)現(xiàn)投資標的的方法，應(yīng)用于電子裝置，其特征在于，該方法包括：

S1、對語料庫中的語料進行預(yù)處理，得到語料文本數(shù)據(jù)，形成語料文本集；

S2、讀取一條經(jīng)過預(yù)處理的語料文本，對該語料文本進行分詞及去停用詞處理，得到該語料文本的多個詞段；

S3、對該語料文本相鄰的詞段進行匯聚，將相鄰的詞段組合成待定新詞，構(gòu)成該語料文本的待定新詞集合；

S4、根據(jù)該語料文本中每個待定新詞的詞頻、凝固度及自由度與預(yù)設(shè)閾值的比較結(jié)果，篩選出該語料文本真正的新詞；及

S5、計算篩選出的新詞與公司名稱在語料庫中的互信息值，提取互信息值滿足預(yù)設(shè)條件的公司名稱及新詞作為參考投資標的。

2.如權(quán)利要求1所述的利用新詞發(fā)現(xiàn)投資標的的方法，其特征在于，所述步驟S1中的預(yù)處理包括：將語料庫中語料的格式統(tǒng)一為文本格式，從語料中去除廣告噪聲。

3.如權(quán)利要求1所述的利用新詞發(fā)現(xiàn)投資標的的方法，其特征在于，所述對該語料文本進行分詞的方法包括：基于字符串匹配的分詞方法、基于理解的分詞方法、基于統(tǒng)計的分詞方法及基于詞典的分詞方法。

4.如權(quán)利要求1或2或3所述的利用新詞發(fā)現(xiàn)投資標的的方法，其特征在于，所述步驟S4包括：

S41、計算該語料文本的每個待定新詞的詞頻，篩選出詞頻大于第一預(yù)設(shè)閾值的待定新詞；

S42、計算步驟S41篩選出的每個待定新詞的凝固度，從中篩選出凝固度大于第二預(yù)設(shè)閾值的待定新詞；及

S43、計算步驟S42篩選出的每個待定新詞的自由度，從中篩選出自由度大于第三預(yù)設(shè)閾值的待定新詞作為該語料文本的真正新詞。

5.如權(quán)利要求4所述的利用新詞發(fā)現(xiàn)投資標的的方法，其特征在于，所述“計算步驟S42篩選出的每個待定新詞的自由度”的步驟包括：

分別計算通過步驟S42篩選出的每個待定新詞的左鄰字信息熵和右鄰字信息熵；及

取每個待定新詞的左鄰字信息熵和右鄰字信息熵中的較小值，作為該待定新詞的自由度。

6.一種電子裝置，其特征在于，該裝置包括：存儲器、處理器，所述存儲器上存儲有可在所述處理器上運行的利用新詞發(fā)現(xiàn)投資標的的程序，該程序被所述處理器執(zhí)行時實現(xiàn)如下步驟：

A1、對語料庫中的語料進行預(yù)處理，得到語料文本數(shù)據(jù)，形成語料文本集；

A2、讀取一條經(jīng)過預(yù)處理的語料文本，對該語料文本進行分詞及去停用詞處理，得到該語料文本的多個詞段；

A3、對該語料文本相鄰的詞段進行匯聚，將相鄰的詞段組合成待定新詞，構(gòu)成該語料文本的待定新詞集合；

A4、根據(jù)該語料文本中每個待定新詞的詞頻、凝固度及自由度與預(yù)設(shè)閾值的比較結(jié)果，篩選出該語料文本真正的新詞；及

A5、計算篩選出的新詞與公司名稱在語料庫中的互信息值，提取互信息值滿足預(yù)設(shè)條件的公司名稱及新詞作為參考投資標的。

7.根據(jù)權(quán)利要求6所述的電子裝置，其特征在于，所述步驟A1中的預(yù)處理包括：將語料庫中語料的格式統(tǒng)一為文本格式，從新聞?wù)Z料中去除廣告噪聲；

所述對該語料文本進行分詞的方法包括：基于字符串匹配的分詞方法、基于理解的分詞方法、基于統(tǒng)計的分詞方法及基于詞典的分詞方法。

8.根據(jù)權(quán)利要求6或7所述的電子裝置，其特征在于，所述步驟A4包括：

A41、計算該語料文本的每個待定新詞的詞頻，篩選出詞頻大于第一預(yù)設(shè)閾值的待定新詞；

A42、計算步驟A41篩選出的每個待定新詞的凝固度，從中篩選出凝固度大于第二預(yù)設(shè)閾值的待定新詞；及

A43、計算步驟A42篩選出的每個待定新詞的自由度，從中篩選出自由度大于第三預(yù)設(shè)閾值的待定新詞作為該語料文本的真正新詞。