文本数据的多粒度树表示方法技术

本发明专利技术公开了一种文本数据的多粒度树表示方法，涉及文本数据挖掘技术领域。该方法包括：获取文本数据，从文本数据中抽取候选关键词，并根据候选关键词，构建表示文本数据的多粒度树，所述多粒度树在第i层包括N

【技术实现步骤摘要】
文本数据的多粒度树表示方法


[0001]本申请涉及文本数据挖掘领域，更具体地，涉及一种文本数据的多粒度树表示方法。

技术介绍

[0002]文本数据是信息传递的重要媒介，各行业不断产生大量文本数据，如新闻报道、商品评价、教学评语等，都可用文本数据的形式表示、存储与传输。从文本数据挖掘关键信息，是许多应用的重要需求。从不同粒度获取文本数据的信息，可更准确把握文本蕴含的关键信息。当前技术主要是集中在某个粒度理解文本数据，缺少快速有效地从不同粒度挖掘文本数据的有效手段。

技术实现思路

[0003]鉴于上述问题，本申请提出了一种文本数据的多粒度树表示方法，以解决上述问题。
[0004]第一方面，本申请实施例提供了一种文本数据的多粒度树表示方法，所述方法包括：获取文本数据；从所述文本数据中抽取候选关键词；基于所述候选关键词，构建多粒度树，其中，所述多粒度树用于表示所述文本数据，所述多粒度树在第i层包括N
i
个关键词以及N
i
个关键词对应的权值，所述多粒度树的每一层包括的关键词数量为N1、N2、...

【技术保护点】

【技术特征摘要】
1.一种文本数据的多粒度树表示方法，其特征在于，所述方法包括：获取文本数据；从所述文本数据中抽取候选关键词；基于所述候选关键词，构建多粒度树，其中，所述多粒度树用于表示所述文本数据，所述多粒度树在第i层包括N
i
个关键词以及N
i
个关键词对应的权值，所述多粒度树的每一层包括的关键词数量为N1、N2、
…
、N
M
‑2、N
M
‑1、N
M
，所述多粒度树的每一层包括的关键词数量的关系满足N1≥N2≥
…
≥N
M
‑2≥N
M
‑1≥N
M
。2.根据权利要求1所述的方法，其特征在于，所述基于所述候选关键词，构建多粒度树，包括：基于关键词词典从所述候选关键词中筛选出N1个关键词，并获取所述N1个关键词在所述文本数据中对应的权值，作为多粒度树的第1层；基于所述N
i
个关键词对应的关键词信息聚类，获得N
i+1
个类，其中，i可以为1到M
‑
1的正整数；将所述N
i+1
个类中每个类中权值最大的关键词，以及所述N
i+1
个类中每个类所有关键词对应的权值之和，作为所述多粒度树的第i+1层；重复上述获得N
i+1
个类以及获得所述多粒度树的第i+1层的过程，直至获得所述多粒度树的第M层。3.根据权利要求2所述的方法，其特征在于，所述重复上述获得N
i+1
个类以及获得所述多粒度树的第i+1层的过程，直至获得所述多粒度树的第M层，包括：重复上述获得N
i+1
个类以及获得所述多粒度树的第i+1层的过程，直至获得所述多粒度树的第M一1层；将所述多粒度树第M
‑
1...

【专利技术属性】
技术研发人员：钱基德，钱基业，杜冬，孙宏，周超，徐海文，秦小林，钮益峰，梁琰，
申请(专利权)人：国网重庆市电力公司电力科学研究院，
类型：发明
国别省市：