[發明專利]一種基于詞向量的中文年報標題分類方法在審
| 申請號： | 202010527929.5 | 申請日： | 2020-06-11 |
| 公開（公告）號： | CN111666378A | 公開（公告）日： | 2020-09-15 |
| 發明（設計）人： | 梁倬騫;潘定;曹志鵬 | 申請（專利權）人： | 暨南大學 |
| 主分類號： | G06F16/33 | 分類號： | G06F16/33;G06F16/35;G06F40/289;G06K9/62 |
| 代理公司： | 深圳科灣知識產權代理事務所(普通合伙) 44585 | 代理人： | 鐘斌 |
| 地址： | 510000 廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 向量 中文 年報 標題 分類 方法 | ||
1.一種基于詞向量的中文年報標題分類方法，具體步驟為：
步驟1、輸入企業年報數據集；
步驟2、對數據進行人工標注，并劃分訓練集；
步驟3、對數據進行預處理，并訓練Word2vector模型；
步驟4、待抽取標題的年報通過Word2vector模型進行計算特征向量；
步驟5、通過分類抽取得到目錄。
2.根據權利要求1所述的一種基于詞向量的中文年報標題分類方法，其特征在于：步驟3預處理具體為分詞和去掉停用詞。
3.根據權利要求1所述的一種基于詞向量的中文年報標題分類方法，其特征在于：步驟3中Word2vector模型采用CBOW模型，具體步驟為：
A、定窗口大小k，將窗口內除中心詞wt外的所有詞語分別生成獨熱向量；
B、將輸入權重矩陣與獨熱向量相乘，得到每個詞語的輸入向量；
C、計算這2k個上下文詞語詞向量的平均值；
D、通過輸出詞向量矩陣乘以上下文詞向量得到一個分數向量；
E、利用函數將分數向量轉化為概率分布；
F、利用交叉熵作為損失函數，通過隨機梯度下降算法優化輸入權重矩陣和輸出詞向量矩陣。
4.根據權利要求3所述的一種基于詞向量的中文年報標題分類方法，其特征在于：步驟A中獨熱向量可通過對詞語的詞典序進行獨熱編碼生成。
5.根據權利要求3所述的一種基于詞向量的中文年報標題分類方法，其特征在于：步驟E中所述函數具體為softmax函數。
6.根據權利要求3所述的一種基于詞向量的中文年報標題分類方法，其特征在于：步驟C中所述平均值用以表示上下文詞向量。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于暨南大學，未經暨南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010527929.5/1.html，轉載請聲明來源鉆瓜專利網。
