[發明專利]一種基于自然語言處理的單細胞相關技術數據分析方法

在審

• 申請號: 202110200765.X
• 申請日: 2021-02-23
• 公開（公告）號: CN113011133A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 鄭淮予;梁艷春;管仁初
• 申請（專利權）人: 吉林大學珠海學院
• 主分類號: G06F40/117
• 分類號: G06F40/117;G06F40/284;G06F40/289;G06F40/295;G06F40/30;G06K9/62;G16B40/00
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 劉小嬌

1.一種基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，包括如下步驟：

步驟一、對單細胞相關技術的文本進行數據預處理；

步驟二、利用TF-IDF進行單細胞相關技術的文本表示，構建文檔向量空間模型，生成文檔向量；

步驟三、對所述文檔向量進行單細胞相關技術的文本特征提取，得到單細胞相關技術的文本研究的主題和特征項；

步驟四、對主題詞進行向量表達，生成主題詞向量矩陣；

步驟五、將所述主題詞向量矩陣輸入AP聚類模型，主題詞進行聚類，得到單細胞相關技術的文本數據的熱點詞簇；

步驟六、對所述熱點詞簇進行實體識別分析。

2.根據權利要求1所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，在所述步驟四之前還包括：

使用word2vec方法對單細胞相關技術的文本進行詞向量訓練，生成詞向量模型。

3.根據權利要求2所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，在所述步驟一中，數據預處理包括：

利用波特算法進行分詞操作，將有關聯的詞分為一組；

詞型還原，將單詞轉化為基本形式；

對單詞的詞性進行標注后，根據詞性篩選去除不需要的單詞；以及

去除停用詞。

4.根據權利要求3所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，在所述步驟二中，將單細胞相關技術的文檔中詞的詞頻與逆詞頻進行結合，并計算得到文檔中每個詞的TF-IDF值，形成文檔向量。

5.根據權利要求4所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，TF-IDF值為TF*IDF；

其中，

式中，n_i,j指單詞t_i在文檔d_j中出現的次數，而∑_kn_k，j是文檔的d_j中所有單詞出現的次數之總和；|D|指語料庫中文檔的總數，|{j：t_i∈d_j}|指包含單詞t_i的文檔總數。

6.根據權利要求4或5所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，在所述步驟三中，采用LDA模型對使用TF-IDF構建好的文檔向量，進行單細胞相關技術的文本特征提取。

7.根據權利要求6所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，在所述步驟四中，生成主題詞向量矩陣的方法為：

將主題映射到word2vec空間上，并將主題中的每個單詞用該單詞的詞向量表示；將每個單詞對主題的貢獻率作為詞向量的權值，累加得到一個M*N主題向量，主題詞向量矩陣轉換為一個K*M*N的三維張量。

8.根據權利要求7所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，在所述步驟五中，采用吸引子傳播算法對使用word2vec表達的LDA結果進行聚類，輸入為主題詞向量矩陣，使用余弦相似度占座位矩陣之間的相似度度量；其中，簇內的每個單詞是按照其聚合在主題中的數目均值得到的。

9.根據權利要求8所述的基于自然語言處理的單細胞相關技術數據分析方法，其特征在于，在所述步驟六中，采用基于規則與字典相結合的方法進行實體識別分析，以Mesh數據庫為基準，對數據進行識別，別匹配規則包括：

按照字符直接匹配，如字符串匹配成功，返回該單詞及其mesh分類；

將單詞進行詞型還原匹配，如匹配成功，返回該單詞及其mesh分類；

將單詞進行大小寫轉換，轉為小寫的形式進行匹配，如匹配成功，返回該單詞及其mesh分類；

其中，如果單詞是縮寫詞形式，則不進行大小寫轉換。