[發明專利]一種機器智能輔助的扎根理論編碼優化方法

有效

• 申請號: 202010178957.0
• 申請日: 2020-03-15
• 公開（公告）號: CN111488725B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 盧暾;蔣特;顧寧
• 申請（專利權）人: 復旦大學
• 主分類號: G06F40/126
• 分類號: G06F40/126;G06F40/289
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

1.?一種機器智能輔助的扎根理論編碼優化方法，其特征在于，具體步驟如下：

（1）數據預處理

在得到訪談錄音數據后，利用轉錄軟件或平臺，對錄音數據進行轉錄，并通過人工梳理的方式，得到相應的文字材料；

然后，通過分句分段工具，將訪談記錄切割成一個個語句塊；并通過人工核對檢查的方式，將分句分段結果進行適當的調整，得到語料集，作為編碼的原始材料；

（2）人工預編碼

對步驟（1）得到的對語料集進行人工預編碼，形成初步的編碼方案；預編碼算法中，通過循環編碼、隨機選取數據的方式，對選取的原始材料進行概念層次和主題層次的編碼，并不斷調整編碼框架，直至達到初步的信息飽和，或當前數據集數據已全部編碼；此外，在原有編碼的基礎上，可以繼續編碼新的數據，具備較高的靈活性；因此，當未達到信息飽和，或當用戶認為未編碼完成時，都可繼續編碼新的數據；

（3）編碼特征提取

在預編碼的編碼方案基礎上，進行編碼特征提取，實現后續數據的自動分類編碼；編碼特征的提取，采用TF-IDF方法；其中，TF代表的是Term?Frequency,即詞頻；用該詞在該條語料中出現的次數word_cnt，除以該條語料中的總詞數total_cnt進行計算，如公式1所示：

??????公式?1

IDF，是指Inverse?document?frequency,即逆向文件頻率，用來衡量一個詞語的普遍重要性；由總文件數目total_file除以包含該詞語的文件數目file_cnt，再將得到的商取以10為底的對數，即得到IDF的值，其計算式如公式2所示：

????公式?2

最后，將TF與IDF的值相乘，即得到TF-IDF的值，如公式3所示：

TF-IDF?=?TF*IDF??????????????????公式?3

（4）自動編碼

在步驟3特征提取的基礎上，對新的語料集進行編碼分類，補充編碼框架中的語料集；此處，仍延續步驟3中提取的特征方法，以TF-IDF方法對新的語料集進行自動編碼分類；

對于中文語料集，先對文字材料進行分詞；去除常用詞后，將剩余的詞作為該語料集的特征詞；然后，通過這些詞計算該段文字與相應概念和主題分類的匹配度，將其歸類到匹配度最高的主題分類和編碼分類下；

具體地，一條新語料t和某語料集s的相似度計算如公式4所示：

????公式?4

這里,m,n分別為新語料t和語料集s的特征詞個數；score(t_i,s_j)代表的是語料t中第i個詞匯和語料s中第j個詞匯的在相似度上的得分，具體計算方式如公式5所示：

?????(公式?5)

其中，dis(x,y)代表詞匯x和詞匯y在詞向量數據集中的空間距離，threshold代表：評估兩個詞仍屬于近義詞的最大的空間距離；

計算出新語料所有主題語料集的相似度后，將該新語料分配到相似度最高的主題下；然后，再計算該語料與該主題下所有概念語料集的相似度，將該主題劃分到對應的概念語料集中；

（5）特征集擴充

待每次新數據編碼完成后，人為檢查匹配度較低的分類項，進行調整；如出現現有的編碼框架之外的新概念或新主題的情況，則對編碼框架進行調整；然后，再次通過步驟（3）中的方式，提取出新語料的特征集，保留到語料庫中；不斷重復編碼過程，直至全部數據完成編碼。