买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利一种结合词向量多特征融合的新词发现方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114298029B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111523723.6，技术领域涉及：G06F40/289；该发明授权一种结合词向量多特征融合的新词发现方法是由顾钊铨;梁栩健;杨举;王乐;韩伟红;唐可可;李默涵;仇晶;李树栋;张登辉设计研发完成，并于2021-12-14向国家知识产权局提交的专利申请。

本一种结合词向量多特征融合的新词发现方法在说明书摘要公布了：本发明公开了一种结合词向量多特征融合的新词发现方法，该方法步骤包括：对语料进行特征标注，计算属性对互信息矩阵和自信息矩阵，计算候选特征属性对得分；聚类词向量，找到对应的最近邻类中心向量，并找出该类中心向量对应的词作为词向量特征属性，遍历所有词向量特征属性对，计算词向量特征属性对自信息矩阵和互信息矩阵，计算所有词向量特征属性对得分；对所有候选特征属性对得分配置优化权重系数后求和计算总得分；总得分超过新词阈值时提取候选词对对应得分向量到样本集合；更新权重系数并迭代训练至损失函数收敛获得最终的权重系数；重新计算候选词对总得分，输出超过新词阈值的新词。本发明实现更合理的新词评价方法，更加有效地挖掘潜在的新词。

本发明授权一种结合词向量多特征融合的新词发现方法在权利要求书中公布了：1.一种结合词向量多特征融合的新词发现方法，其特征在于，包括下述步骤： 统计自然语言特征得分计算：对语料进行特征标注，遍历所有属性对，计算属性对的互信息矩阵和自信息矩阵，计算所有候选特征的属性对得分，具体包括： 对于第m个特征，采用自然语言处理工具对语料X进行词性、依存句法关系特征标注，将分词后的所有候选词对进行特征标注，标注后的称为属性对； 设置自信息矩阵互信息矩阵得分矩阵 其中K是指属性集Sm的大小； 遍历所有属性对xi,xj，计算其互信息矩阵和自信息矩阵，最后，计算成绩矩阵，即所有候选特征的属性对xi,xj，得分，具体表示为： MSm[xi][xj]＝αmMIm[xi][xj]+βmMHm[xi][xj] 其中，MSm[xi][xj]表示候选特征的属性对得分，MIm[xi][xj]表示属性对的互信息矩阵，MHm[xi][xj]表示属性对的自信息矩阵，αm表示第m个特征的互信息比例参数，βm第m个特征的自信息比例参数； 基于词向量特征得分计算：对词向量进行k-means聚类，根据词向量对应的词典，对语料中所有分词找到对应的词向量，进而找到对应的最近邻类中心向量，并找出该类中心向量对应的词作为词向量特征属性，遍历所有词向量特征属性，计算词向量特征属性对的自信息矩阵和互信息矩阵，计算所有词向量特征属性对的得分，具体包括： 对词向量进行类别数为K的聚类，记聚类中心向量为集合为SK； 根据词向量对应的词典，对语料X中的所有分词x找到对应的词向量v，找到对应的最近邻类中心向量，记该类中心向量在词典中对应的词即为该分词的词向量特征属性： 遍历所有词向量特征属性对vi，vj，计算其自信息矩阵和互信息矩阵，计算所有候选词向量特征属性对vi,vj，的得分，表示为： MS[vi][vj]＝αMI[vi][vj]+βMH[vi][vj] 其中，MS[vi][vj]表示候选词向量特征属性对的得分，MI[vi][vj]表示词向量特征属性对的互信息矩阵，MH[vi][vj]表示词向量特征属性对的自信息矩阵，α表示互信息比例参数，β表示自信息比例参数； 对所有候选特征属性对的得分配置权重系数后求和，通过逻辑回归优化权重系数，计算总得分，在λ随机初始化的情况下，所有候选词对xi,xj，的总得分函数有： 其中，Fmx表示分词x进行第m特征标注，M为统计自然语言特征数，C为聚类的次数，MSm表示候选特征的得分，λm表示权重系数，M+C表示特征个数； 初始化权重系数并设置新词阈值，总得分超过新词阈值时，设定随机概率提取候选词对对应的得分向量到样本集合，对样本集合进行标记得到标签集合； 基于随机梯度下降SGD更新权重系数，迭代训练直至损失函数收敛，获得最终的权重系数； 重新计算所有候选词对的总得分，输出超过新词阈值的新词。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。