一种基于词向量模型的机构名称规范方法

摘要

本发明公开了一种基于词向量模型的机构名称规范方法，包括：分析科技文献数据机构名称字段特征，选取机构相关字段；提取文献相关字段信息文本，并对相关字段进行清洗和变换；采用word2vec词向量方法对提取文本信息构建词向量模型并对机构名称进行聚类；结合词向量模型和聚类文件查找相似度高的词，从中识别并提取机构名称；采用Jaro相似度方法通过设置阈值计算匹配相似机构名称。本发明能有效改善基于海量数据的科技评价中的数据可靠性问题,规范科技文献数据库中的机构名称存储与管理，从而提升科技文献数据库建设的规范性。