一种关于新技术的领域分类方法技术

本发明专利技术提供一种关于新技术的领域分类方法，其特征在于，包括：步骤1，对新技术提取关键词并计算关键词频率；步骤2，建立新技术领域分类模型并确定领域类别阈值；步骤3，应用新技术领域分类模型和领域类别阈值确认新技术所属领域类别。本发明专利技术的关于新技术的领域分类方法，通过计算机对新技术所属领域进行划分，优点是：根据训练集的知识学习，统计领域划分的标准。计算机自动对新技术的所属领域进行划分，能够有效提高工作效率。分类模型的可扩展性较强，同时具备学习性。具备更新能力，计算机自动计算的领域，可作为新技术领域的参考，技术所属人员可进行纠错，分类模型可根据纠错信息，不断更新，以保证更高的准确率。以保证更高的准确率。以保证更高的准确率。

【技术实现步骤摘要】
一种关于新技术的领域分类方法


[0001]本专利技术涉及领域分类信息
，具体涉及一种关于新技术的领域分类方法。

技术介绍

[0002]对于新技术所属领域的划分，采用人工手动方式进行划分，其专业需求较高，需要具备一定知识的广度，同时对分类的类别比较熟悉且清晰的认知。同时，可能存在多领域应用的新技术，所以在新技术所属领域确定上，需要技术人员具备一定的经验知识和各领域的知识储备。
[0003]新
技术实现思路
中，通常是描述新技术解决的问题，以及新技术所用到的技术和材料等，用语比较简洁。采用人工分类的方法，费事费力，且因为人员流动、人员的知识储备、对知识领域划分的理解不同等原因，可能会造成新技术划分领域的偏差或不完整。

技术实现思路

[0004]本专利技术的目的是：针对
技术介绍
描述的问题，本专利技术提出一种关于新技术的领域分类方法，能够替代大部分人工领域划分的工作，并且保证其精确性和划分效率。
[0005]为了解决上述问题，本专利技术所采用的技术方案是：
[0006]一种关于新技术的领域分类方法，其特征在于，包括如下步骤：
[0007]步骤1，对新技术提取关键词并计算关键词频率，包括：
[0008]步骤1.1：对新技术的成果简介或成果介绍提取关键词汇句子；
[0009]步骤1.2：对新技术提取的关键词汇句子提取关键词；
[0010]步骤1.3：对关键词频率进行计算及统一；
[0011]步骤2，建立新
分类模型并确定领域类别阈值，包括：/>[0012]步骤2.1：准备新技术训练集；训练集包含的内容有：新技术序号、领域类别单一表示之后的新技术数量、领域类别、关键词；
[0013]步骤2.2：计算支持度；包括领域类别的支持度、关键词的支持度、关键词在某领域分类中的支持度；
[0014]步骤2.3：提取关键词组合及对应词频；
[0015]步骤2.4：计算关键词的置信度；
[0016]步骤2.5：建立领域分类模型；领域分类模型中，包含了每个领域类别对应出现的关键词以及其对应的置信度；
[0017]步骤2.6：确定领域类别阈值；领域类别阈值表示每个领域类别的确认底线，大于或等于该阈值，才能对新技术进行领域分类确认，否则，领域类别确认失败；
[0018]步骤3，应用新
分类模型和领域类别阈值确认新技术所属领域类别，包括：
[0019]步骤3.1：确定新技术的关键词和对应词频；
[0020]步骤3.2：计算新技术的对应所有领域类别的TV矩阵；每个领域类别对应一个TV
值；
[0021]步骤3.3：确认领域类别；新技术的对应类别TV的计算值大于或等于该类别的阈值，即可判断该新技术属于该领域类别；
[0022]步骤3.4：领域类别排序；根据确认的领域类别集合的值进行排序，值越高，说明新
类别属性中，该领域类别属性越高。
[0023]进一步的，所述步骤1.1对新技术的成果简介或成果介绍提取关键词汇句子，具体方法包括：利用结巴分词的分词模块函数jieba.posseg.cut()，基于基本词库、停用词库，对新技术进行分词，保留部分词性的词语，作为下一步新技术的描述进行使用；保留的词性包括，名词、动名词、英语、语素词等；
[0024]所述步骤1.2对新技术的提取的关键词汇句子提取关键词，具体方法包括：利用结巴分词的分词模型函数jieba.cut()，增加专属名词库、停用词库，对步骤1.1关键词汇句子进行分词；按照对应词频，由高到低进行排序；选择前K个关键词作为新技术的关键词，对关键词和对应的词频进行保存，保证后续操作继续使用，表示为{Key，M}，其中Key表示关键词，M表示对应的词频；当关键词不足K个时，以关键词的实际个数为准；
[0025]所述步骤1.3对关键词频率进行计算及统一，具体方法包括：
[0026](1)计算新技术中关键词的频率：
[0027][0028]其中，f
key
为关键词key的频率，M
key
为关键词key在该新技术中出现的次数，∑M为该新技术中关键词的词频之和；
[0029](2)统一
[0030]采用归一化的方法，将新技术关键词的频率进行统一，降低新技术描述中，因文字本身的数量造成的词频差距；
[0031][0032]其中，F
key
为关键词key的归一化后的词频，max(f)为当前新技术中关键词频率的最大值，从而将关键词key的词频，归一化到[0，1]之间。
[0033]进一步的，所述步骤2.1准备新技术训练集，其中训练集包含的内容有：
[0034](1)新技术序号：训练集中的新技术个数为n，设定初始n的值，后续根据新技术的增加，而随之增加，以保证训练集中新技术的多样性和先进性；
[0035](2)序号：N，是训练集中的新
类别单一表示之后的数量；以下称新技术时，均表示领域类别单一表示之后的新技术；新技术训练集，是领域类别单一表示之后新技术与对应领域类别组成的训练集；
[0036](3)领域类别：分别使用L1，L2，L3，
…
，L
i
，
…
，L
tn
，1≤i≤tn；其中，领域类别的个数为tn，tn的值会跟随新
的扩增或减少，随之发生变化；同时，一个新技术能够对应多个领域类别，即多领域应用的新技术；
[0037](4)关键词：每个新技术的关键词个数不同，但均不超过关键词个数K；新技术中的实际关键词的个数使用k1，k2，
…
，ki，
…
，kn表示；Key
ij
表示，序号为i的新技术的第j个关键
词。
[0038]进一步的，所述步骤2.2计算支持度，具体方法包括：
[0039](1)领域类别的支持度：
[0040][0041]其中，表示新
分类L
i
的支持度，即表示领域分类L
i
在新技术数据集中出现的频率；N，表示训练集中的新
类别单一表示之后的数量；T表示新技术集合；表示新
分类为L
i
的新技术的数量；
[0042](2)关键词的支持度：
[0043][0044]其中，S
key
，表示关键词key在新技术中出现的频率；∑
T∈key T，表示包含关键词key的新技术的数量；
[0045](3)关键词在某领域分类中的支持度：
[0046][0047]其中，S
key
，表示关键词key在分类属于L
i
的新技术中出现的频率；表示包含分类属性为L
i
且包含关键词key的新技术数量。
[0048]进一步的，所述步骤2.3：提取关键词组合即对应词频：
[0049][0050][本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种关于新技术的领域分类方法，其特征在于，包括如下步骤：步骤1，对新技术提取关键词并计算关键词频率，包括：步骤1.1：对新技术的成果简介或成果介绍提取关键词汇句子；步骤1.2：对新技术提取的关键词汇句子提取关键词；步骤1.3：对关键词频率进行计算及统一；步骤2，建立新技术领域分类模型并确定领域类别阈值，包括：步骤2.1：准备新技术训练集；训练集包含的内容有：新技术序号、领域类别单一表示之后的新技术数量、领域类别、关键词；步骤2.2：计算支持度；包括领域类别的支持度、关键词的支持度、关键词在某领域分类中的支持度；步骤2.3：提取关键词组合及对应词频；步骤2.4：计算关键词的置信度；步骤2.5：建立领域分类模型；领域分类模型中，包含了每个领域类别对应出现的关键词以及其对应的置信度；步骤2.6：确定领域类别阈值；领域类别阈值表示每个领域类别的确认底线，大于或等于该阈值，才能对新技术进行领域分类确认，否则，领域类别确认失败；步骤3，应用新技术领域分类模型和领域类别阈值确认新技术所属领域类别，包括：步骤3.1：确定新技术的关键词和对应词频；步骤3.2：计算新技术的对应所有领域类别的TV矩阵；每个领域类别对应一个TV值；步骤3.3：确认领域类别；新技术的对应类别TV的计算值大于或等于该类别的阈值，即可判断该新技术属于该领域类别；步骤3.4：领域类别排序；根据确认的领域类别集合的值进行排序，值越高，说明新技术领域类别属性中，该领域类别属性越高。2.如权利要求1所述的关于新技术的领域分类方法，其特征在于，所述步骤1.1对新技术的成果简介或成果介绍提取关键词汇句子，具体方法包括：利用结巴分词的分词模块函数jieba.posseg.cut()，基于基本词库、停用词库，对新技术进行分词，保留部分词性的词语，作为下一步新技术的描述进行使用；保留的词性包括，名词、动名词、英语、语素词；所述步骤1.2对新技术的提取的关键词汇句子提取关键词，具体方法包括：利用结巴分词的分词模型函数jieba.cut()，增加专属名词库、停用词库，对步骤1.1关键词汇句子进行分词；按照对应词频，由高到低进行排序；选择前K个关键词作为新技术的关键词，对关键词和对应的词频进行保存，保证后续操作继续使用，表示为{Key，M}，其中Key表示关键词，M表示对应的词频；当关键词不足K个时，以关键词的实际个数为准；所述步骤1.3对关键词频率进行计算及统一，具体方法包括：(1)计算新技术中关键词的频率：其中，f
key
为关键词key的频率，M
key
为关键词key在该新技术中出现的次数，∑M为该新技术中关键词的词频之和；
(2)统一采用归一化的方法，将新技术关键词的频率进行统一，降低新技术描述中，因文字本身的数量造成的词频差距；其中，F
key
为关键词key的归一化后的词频，max(f)为当前新技术中关键词频率的最大值，从而将关键词key的词频，归一化到[0，1]之间。3.如权利要求2所述的关于新技术的领域分类方法，其特征在于，所述步骤2.1准备新技术训练集，其中训练集包含的内容有：(1)新技术序号：训练集中的新技术个数为n，设定初始n的值，后续根据新技术的增加，而随之增加，以保证训练集中新技术的多样性和先进性；(2)序号：N，是训练集中的新技术领域类别单一表示之后的数量；以下称新技术时，均表示领域类别单一表示之后的新技术；新技术训练集，是领域类别单一表示之后新技术与对应领域类别组成的训练集；(3)领域类别：分别使用L1，L2，L3，
…
，L
i
，
…
，L
tn
，l≤i≤tn；其中，领域类别的个数为tn，tn的值会跟随新技术领域的扩增或减少，随之发生变化；同时，一个新技术能够对应多个领域类别，即多领域应用的新技术；(4)关键词：每个新技术的关键词个数不同，但均不超过关键词个数K；新技术中的实际关键词的个数使用k1，k2，
…
，ki，
…
，kn表示；Key
ij
表示，序号为i的新技术的第j个关键词。4.如权利要求3所述的关于新技术的领域分类方法，其特征在于，所述步骤2.2计算支持度，具体方法包括：(1)领域类别的支持度：其中，表示新技术领域分类L
i
的支持度，即表示领域分类L
i...

【专利技术属性】
技术研发人员：郑鑫，于德尚，陈世坤，徐楠楠，
申请(专利权)人：青岛檬豆网络科技有限公司，
类型：发明
国别省市：