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：南京农业大学

摘要：本发明涉及非标样本统计技术领域，具体公开了一种非标多源统计样本智能规整方法及系统，所述方法包括统计所有的产品评价信息，将产品评价信息转换为同一语言的文本，构建语料库；查询该语言的词典，基于词典定位语料库中的词语，统计定位到的词语，基于预设的词向量模型查询词语的词向量，构建词语库；对任一产品，统计其在不同时刻的产品评价信息，基于词语库将产品评价信息转换为次序序列；基于次序序列对产品及其产品评价信息进行聚类。本发明将产品的所有产品评价信息均抽象为次序序列组成的集合，对次序序列进行分析，即可对产品进行聚类等后续处理过程。

主权项：1.一种非标多源统计样本智能规整方法，其特征在于，所述方法包括：基于产品使用方授予的权限获取所有产品的含有发送时间的产品评价信息；统计所有的产品评价信息，将产品评价信息转换为同一语言的文本，构建语料库；查询该语言的词典，基于词典定位语料库中的词语，统计定位到的词语，基于预设的词向量模型查询词语的词向量，构建词语库；其中，所述词语库包括次序项、词语项、频数项和词向量项；词语库中的数据顺序由频数项确定；对任一产品，统计其在不同时刻的产品评价信息，基于词语库将产品评价信息转换为次序序列；基于次序序列对产品及其产品评价信息进行聚类，将每一类产品及其产品评价信息作为规整后的样本数据，反馈至管理端；所述查询该语言的词典，基于词典定位语料库中的词语，统计定位到的词语，基于预设的词向量模型查询词语的词向量，构建词语库的步骤包括：根据递减的词长在语料库中依次读取字符；所述词长的最大值和最小值均为预设值；查询转换后产品评价信息的语言的词典，根据所述字符遍历词典，判断是否存在相同词；当存在相同词时，将该字符的频数自增一；其中，所有字符的频数的初始值均为零；统计所有频数不为零的字符及其频数，得到词语项和频数项；根据频数对字符进行排列，得到次序项；基于Word2vec将字符转换为词向量，得到词向量项；统计词语项、频数项、次序项和词向量项，得到词语库；所述根据频数对字符进行排列，得到次序项的内容包括：将频数转换为特征值，根据特征值对字符进行降序排列，得到次序项； ；式中，为第个频数不为零的字符的频数，是经转换后得到的特征值；为最佳数值，，为预设的比重，为频数不为零的字符的总数；所述对任一产品，统计其在不同时刻的产品评价信息，基于词语库将产品评价信息转换为次序序列的步骤包括：对任一产品，统计其在不同时刻的转换后的文本形式的产品评价信息；基于词语库定位转换后的文本形式的产品评价信息中的词语，查询对应次序；按照词语在转换后的文本形式的产品评价信息中的位置排序次序，得到次序序列。

全文数据：

权利要求：

百度查询： 南京农业大学 一种非标多源统计样本智能规整方法及系统