龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：南阳理工学院
摘要：本申请实施例公开了一种基于词法词缀的论文冗余数据清洗方法、装置及存储介质，属于文本分类预处理技术领域，该方法包括:获取待分类文本；基于自然语言处理中的词法特性对所述待分类文本进行虚词清洗，获取实词部分作为实词文本；对实词文本进行词缀清洗，获取被清洗后的文本，生成无缀文本；基于预设的领域术语表从无缀文本中获取所有领域术语，并将获取到的领域术语构成领域术语集；对无缀文本进行模块识别，基于预设的干扰列表对识别出的模块进行干扰文本去除，将去除干扰文本的文本作为元数据文本；将元数据文本和领域术语集中元素作为纯净文本进行分类。本申请有助于合理的减少文本分类时的网络资源消耗，一定程度上节约了文本分类的成本。
主权项：1.一种基于词法词缀的论文冗余数据清洗方法，其特征在于，包括下述步骤：获取待分类文本；基于自然语言处理中的词法特性对所述待分类文本进行虚词清洗，获取实词部分作为实词文本，其中，所述虚词清洗包括基于所述词法特性中实词和虚词区分规则，将所述待分类文本中的虚词部分用预设的特定符号表示；基于预设的语法前缀和后缀筛选方法对实词文本进行词缀清洗，获取被清洗后的文本，并生成无缀文本，其中，所述词缀清洗包括基于预设的前缀单元字节对实词文本进行清洗，生成无前缀文本，基于预设的后缀单元字节对无前缀文本进行清洗；基于预设的领域术语表从无缀文本中获取所有领域术语，并将获取到的领域术语构成领域术语集，其中，所述领域术语集中可以包含重复的元素；基于预设的模块标记列表和参照规范，对无缀文本进行模块识别，在模块识别完成之后，基于预设的干扰列表对识别出的模块进行干扰文本去除，将去除干扰文本的文本作为元数据文本；将元数据文本和领域术语集中元素作为纯净文本进行分类。
全文数据：
权利要求：
百度查询： 南阳理工学院 基于词法词缀的论文冗余数据清洗方法、装置及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号