買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣州大學(xué)申請的專利一種結(jié)合詞向量多特征融合的新詞發(fā)現(xiàn)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114298029B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111523723.6，技術(shù)領(lǐng)域涉及：G06F40/289；該發(fā)明授權(quán)一種結(jié)合詞向量多特征融合的新詞發(fā)現(xiàn)方法是由顧釗銓;梁栩健;楊舉;王樂;韓偉紅;唐可可;李默涵;仇晶;李樹棟;張登輝設(shè)計研發(fā)完成，并于2021-12-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種結(jié)合詞向量多特征融合的新詞發(fā)現(xiàn)方法在說明書摘要公布了：本發(fā)明公開了一種結(jié)合詞向量多特征融合的新詞發(fā)現(xiàn)方法，該方法步驟包括：對語料進(jìn)行特征標(biāo)注，計算屬性對互信息矩陣和自信息矩陣，計算候選特征屬性對得分；聚類詞向量，找到對應(yīng)的最近鄰類中心向量，并找出該類中心向量對應(yīng)的詞作為詞向量特征屬性，遍歷所有詞向量特征屬性對，計算詞向量特征屬性對自信息矩陣和互信息矩陣，計算所有詞向量特征屬性對得分；對所有候選特征屬性對得分配置優(yōu)化權(quán)重系數(shù)后求和計算總得分；總得分超過新詞閾值時提取候選詞對對應(yīng)得分向量到樣本集合；更新權(quán)重系數(shù)并迭代訓(xùn)練至損失函數(shù)收斂獲得最終的權(quán)重系數(shù)；重新計算候選詞對總得分，輸出超過新詞閾值的新詞。本發(fā)明實(shí)現(xiàn)更合理的新詞評價方法，更加有效地挖掘潛在的新詞。

本發(fā)明授權(quán)一種結(jié)合詞向量多特征融合的新詞發(fā)現(xiàn)方法在權(quán)利要求書中公布了：1.一種結(jié)合詞向量多特征融合的新詞發(fā)現(xiàn)方法，其特征在于，包括下述步驟： 統(tǒng)計自然語言特征得分計算：對語料進(jìn)行特征標(biāo)注，遍歷所有屬性對，計算屬性對的互信息矩陣和自信息矩陣，計算所有候選特征的屬性對得分，具體包括： 對于第m個特征，采用自然語言處理工具對語料X進(jìn)行詞性、依存句法關(guān)系特征標(biāo)注，將分詞后的所有候選詞對進(jìn)行特征標(biāo)注，標(biāo)注后的稱為屬性對； 設(shè)置自信息矩陣互信息矩陣得分矩陣 其中K是指屬性集Sm的大小； 遍歷所有屬性對xi,xj，計算其互信息矩陣和自信息矩陣，最后，計算成績矩陣，即所有候選特征的屬性對xi,xj，得分，具體表示為： MSm[xi][xj]＝αmMIm[xi][xj]+βmMHm[xi][xj] 其中，MSm[xi][xj]表示候選特征的屬性對得分，MIm[xi][xj]表示屬性對的互信息矩陣，MHm[xi][xj]表示屬性對的自信息矩陣，αm表示第m個特征的互信息比例參數(shù)，βm第m個特征的自信息比例參數(shù)； 基于詞向量特征得分計算：對詞向量進(jìn)行k-means聚類，根據(jù)詞向量對應(yīng)的詞典，對語料中所有分詞找到對應(yīng)的詞向量，進(jìn)而找到對應(yīng)的最近鄰類中心向量，并找出該類中心向量對應(yīng)的詞作為詞向量特征屬性，遍歷所有詞向量特征屬性，計算詞向量特征屬性對的自信息矩陣和互信息矩陣，計算所有詞向量特征屬性對的得分，具體包括： 對詞向量進(jìn)行類別數(shù)為K的聚類，記聚類中心向量為集合為SK； 根據(jù)詞向量對應(yīng)的詞典，對語料X中的所有分詞x找到對應(yīng)的詞向量v，找到對應(yīng)的最近鄰類中心向量，記該類中心向量在詞典中對應(yīng)的詞即為該分詞的詞向量特征屬性： 遍歷所有詞向量特征屬性對vi，vj，計算其自信息矩陣和互信息矩陣，計算所有候選詞向量特征屬性對vi,vj，的得分，表示為： MS[vi][vj]＝αMI[vi][vj]+βMH[vi][vj] 其中，MS[vi][vj]表示候選詞向量特征屬性對的得分，MI[vi][vj]表示詞向量特征屬性對的互信息矩陣，MH[vi][vj]表示詞向量特征屬性對的自信息矩陣，α表示互信息比例參數(shù)，β表示自信息比例參數(shù)； 對所有候選特征屬性對的得分配置權(quán)重系數(shù)后求和，通過邏輯回歸優(yōu)化權(quán)重系數(shù)，計算總得分，在λ隨機(jī)初始化的情況下，所有候選詞對xi,xj，的總得分函數(shù)有： 其中，F(xiàn)mx表示分詞x進(jìn)行第m特征標(biāo)注，M為統(tǒng)計自然語言特征數(shù)，C為聚類的次數(shù)，MSm表示候選特征的得分，λm表示權(quán)重系數(shù)，M+C表示特征個數(shù)； 初始化權(quán)重系數(shù)并設(shè)置新詞閾值，總得分超過新詞閾值時，設(shè)定隨機(jī)概率提取候選詞對對應(yīng)的得分向量到樣本集合，對樣本集合進(jìn)行標(biāo)記得到標(biāo)簽集合； 基于隨機(jī)梯度下降SGD更新權(quán)重系數(shù)，迭代訓(xùn)練直至損失函數(shù)收斂，獲得最終的權(quán)重系數(shù)； 重新計算所有候選詞對的總得分，輸出超過新詞閾值的新詞。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣州大學(xué)，其通訊地址為：510006 廣東省廣州市番禺區(qū)大學(xué)城外環(huán)西路230號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。