特征词

摘要： 方言是一种语言的地方变异形式,其中词汇的变化可谓日新月异。方言词语可作为共时方言词库中的一个组成部分。本文从《陇西方言词语汇释》中筛选出了162条词语,称其为“区别于兰州方言的陇西方言特征词”,审视陇西方言与兰州方言的共性和个性,得出“表示名物的词语变化最为明显,最能体现方言间的共时词汇差异”“兰州方言和陇西方言在语法层面来说,基本没有区别性,是一致的”的结论。

摘要： 文化活力评估可为文化治理提供依据和反馈,从社会物理学视角进行文化活力的解析,形成文化活力的度量方案,并付诸实际应用.首先,利用类比推理法从物理学活力概念导出文化活力的表达式,将文化活力度量问题归结为对内在文化要素的解析;其次,在文化大数据中,从特征词抵达文化要素,通过词量统计和词流分析,计算要素体量和互动频率,从而量化表述文化活力;最后,将该方案应用于丝绸文化的评估,揭示了2011年至2020年十年间丝绸文化活力螺旋上升的轨迹并导出其结构治理路径.

摘要： 西安市近年来已成为各大网络平台上的网红城市,西安市旅发委正在修改完善《关于加快民宿发展的三年行动计划》,明确支持民宿业发展。本文从统计学角度出发,采用文本挖掘方法进一步分析数据,将评论特征作为民宿业评价指标体系的二级指标,整理得到相应4个一级指标,同时对特征词进行同义词合并,归纳得到相应的三级指标,创新了指标的选取来源,构建的民宿业评价指标体系更具合理性和完整性。

摘要： 产品评论对产品制造商和潜在消费人群都具有很高的研究价值。除了了解产品评论外,产品制造商还需要获得对其竞争对手产品性能的评论。潜在消费者则可以通过现有评论获得购买建议。因此,研究产品评论特征词、观点词识别技术非常有必要。本文针对中文产品评论,利用自然语言处理(Natural Language Processing,NLP)技术对产品评论中的特征词和观点词进行识别和分析。

摘要： [研究目的]研究舆情话题的漂移路径,以期描述舆情事件发展过程中话题之间的来龙去脉。[研究方法]以“新冠肺炎”疫情事件为例,通过词特征分析得出从特征词的微观视角研究话题漂移的可行性;基于LDA话题模型对不同时间片中的微博文档进行话题抽取并结合词热度特征计算漂移概率,进而描绘出话题在时间片上的漂移路径。通过设计对比实验,验证方法的有效性。[研究结论]在话题漂移的过程中,尽管两个话题的内容有较大差异,但往往包含着一些相同的特征词,且共有特征词在不同话题上的热度呈现出不同的变化趋势。

摘要： “方言词”和“方源词”的区分问题早在二十世纪八十年代就引起学界的关注,将二者区分开来实有必要。作为词汇学术语,应该满足术语的基本要求,即一个术语指称一个概念。“方言词”与“普通话词”是平行关系,二者一起构成现代汉语词汇;“方源词”与“普通话词”则是上下位关系,“方源词”是“普通话词”的组成部分。在明确“方言词”“方源词”所指内容的基础上,进一步论述了“方言词”的分布区域和“方源词”的来源区域。将相关术语予以明确并一致使用,对汉语词汇的教学和研究都不无裨益。

摘要： 山西临汾方言特征词“拦蒿”属于言说类动词,义域宽泛。从字源学角度对“拦蒿”一词进行形音义的探究,并通过共时层面的句法和语用研究,归纳出“拦蒿”的五个义项,其中“胡说”义为最常用义项。在各义项的对比研究中,探寻词义演变的路径,即“拦蒿”一词的感情色彩由贬义色彩延伸到了中性色彩。

摘要： [目的/意义]提出一种适用于德语文本处理的文本相似度计算方法,填补了国内外德语文本聚类研究的空缺。[方法/过程]通过词语提取和特征词选择将每个德语文本表示为一个特征词的集合,寻找集合间配对的特征词对,由特征词对的匹配度得到文本间的相似度。[结果/结论]基于多个德语数据集的实验结果表明,相比于已有方法,本文提出的基于特征词配对的德语文本聚类方法提升了约5%的NMI值和约6%的Purity值。基于特征词配对的相似度计算方法能够保留更多的文本信息,从而进一步提升德语文本聚类的性能。

摘要： 丝绸文化是浙江地区优秀传统文化的典型代表,"一带一路"倡议的推行赋予丝绸文化新的时代内涵,探究丝绸文化在新时代背景下的演变与进化,是优秀传统文化自我扬弃的内在要求.本研究利用主题爬虫技术从互联网采集形成丝绸文化的大数据,对文本大数据进行分词和过滤得到特征词序列,对特征词进行评估和归类得到物质型、社会型和精神型三类文化特征,对特征词词频进行计算与汇总得到文化特征的频率分布.通过近十年间丝绸文化特征分布模式的变化,折射了丝绸文化内部秩序与结构的重组,通过各类文化特征在近十年中比重的变化,透视了文化形态主导方式的转变.本文以大数据实证方式,从宏观上呈现了"一带一路"倡议影响下丝绸文化的结构重组和形态跃迁,可为浙江文化治理与决策提供参考.

摘要： 为解决目前点云精简算法适应性差的问题,提出一种基于特征显著性的自适应精简算法.通过对点云FPFH(fast point feature histograms)特征聚类生成特征单词;在考虑单词间差异的基础上,融合单词内部的特征分散程度,形成显著性词典,由词典软编码单点特征,得到点云特征显著性;在均匀网格基础上,若网格内的特征显著性越强,则配置越高的采样率,由此实现点云的自适应精简.实验结果表明,所提算法能够区分出点云中的特征明显区域,在精简不同尺寸、形状点云时具有适应性.

摘要： 在现实生活中,常常遇到一些法律问题,如何从对法律事件的文字描述,自动地找到与之对应的相关法律条款是一个既实用又复杂的问题.为了解决这一问题,设计了一种基于特征词的法律文本法条分类方法.首先以法律判决文书为训练语料,建立法条与特征词之间的对应关系；因为判决文书中能准确地抽取出相关的法条,又可以通过TF-IDF等方式计算出文书的特征词,所以很容易建立法条与特征词间的对应关系.然后,设计了一种基于特征词的法律文本法条分类算法,该算法可以将多种法律文本(以法律新闻为例)抽取特征词后,经过计算分类到与之对应的法条.实验表明,该算法对法律文本的法条分类效果良好.

摘要： 文章提出了与时间因素相结合的特征词权重更新方式以及关联分析与TF-IDF相结合的特征词推荐策略,通过实验数据证明可以及时更新特征词权重、大幅提高特定话题相关特征词推荐的有效性,从而提高对用户分类的准确度.文章提出的两个策略优于传统策略,通过实验数据证明有效可行.

摘要： 本文利用现有主题词表与分类法相互对应时,类目特征词的选取原则与方法等问题进行了探讨,提出了选定特征词的基本原则和方法. 在同时具备分类标引和主题词标引的文献库中，借助分类表和主题词表中的对应关系选定特征词，是快速有效确定特征词的一种途径。通过一定量的样本文献统计分析，控制特征词的词量与准确性同样易于实现。在此基础上，可以预期能够完成分类主题一体化的计算机辅助标引。

摘要： 东干族是清朝末年陕甘回族起义者移居现址的后裔,主要分布于吉尔吉斯斯坦、哈萨克斯坦和乌兹别克斯坦。东干语有两个分支:陕西支和甘肃支。陕西籍东干族多聚居于哈萨克斯坦,其中江布尔州的新渠和营盘是最大的两个村,两村东于族人口均近万,分别占各村总人口的95％和89％。2005年6月,初步调查了这两个村来中国求学的留学生。2006年7月又前往新渠和营盘,住在当地农民家里进行了实地系列调查。本文讨论东干语陕西支(下文简称“东干语”)特征词的年龄分布和衰变理论。东干语陕西支源自130年前的陕西关中话。130年来，东干语远离“母方言”，在与汉语“绝缘”的环境中独自发展。其语言系统的变化是关注的焦点。特征词是方言独有词汇，反映方言的个性，最先被列人考察重点。分20岁、40岁、50岁、60岁和70岁5个年龄段考查，每一年龄段间隔大体10岁。只有40岁和20岁间隔20岁，因为这几个年龄段的差异不大。调查词表选用关中话特征词，其中一级特征词107个，二级特征词141个，合计248个。一级特征词是关中话独有词汇(含个别熟语类短语)，二级特征词是关中话与周边方言共有而普通话没有的词汇，二者均含个别熟语类短语。

摘要： 网络查询分类对提高搜索引擎的搜索质量有重要的意义.本文通过真实用户查询日志的分析和标注,发现四种特征词(称之为"VASE"特征词)对查询分类起决定性作用.我们提取特征词并构造了一个特征词倒排索引,用于对查询进行主题分类.在此基础之上,提出了基于网络扩展和加权特征词的方法改善分类的效果.实验结果显示,基于此分类方法的正确率和召回率分别达到78.2%和77.3%.

摘要： 关联文本分类中，如果特征词分布不均衡，特征词出现频率低的类别的规则集常被特征词出现频率高的类别的规则集所掩盖，分类器的预测能力变弱，因此提出了一种新奇的挖掘含有负项的分类规则的方法，一定程度上增强了被掩盖类别的规则集的分辨能力。从大量的实验结果看出该方法是行之有效的，能够提高分类器的预测能力。

摘要： 提出一种基于上下文多元信息实现文档相似度计算的方法,该方法首先抽取文档的特征词,对具有相同(或相近)意义特征词的文档,分别获得特征词在上下文中同现词的词性、语义信息、位置关系、平均同现概率等多元信息,以量化形式描述成一个相似函数;然后分别从两两文档的相似函数中得到文档的相似度评价值,作为衡量文档相似程度的重要依据.利用该评价方法,使用NTCIR-3中的跨语言信息检索数据集中的中文文档,对初始检索文档的顺序重新排列,实验结果表明,该方法分别将前10个最佳召回文档和前100个最佳召回文档的平均精确度提高了15.45％～18.49％和11.96％～15.35％在另一组有关相同网页信息的实验中,几组不同类别文档相似度F1-measure平均值均在95％以上。

摘要： 去除重复网页一直是信息检索领域的一个待解决的问题.本文基于双语文章的内容,提出了一种抽取特征词和特征句,判别跨语言重复网页的方法.并将其运用到了跨语言的重复网页的识别上.实验结果表明:该方法对双语重复网页的识别准确率在86％以上,对单语重复网页的识别准确率在97.5％以上,达到了实用的程度,同时,该方法对于双语平行语料的自动挖掘也有一定的帮助.

摘要： 本文介绍了一个机械式自动文本摘要系统.对系统中的特征词抽取模块、句子加权模块和文摘输出模块进行了详细的分析.其中提出了领域词词库自学习和消除重复摘要句的方法.最后对自动摘要系统的性能进行了讨论.

摘要： 文章提出重复频率三角矩阵来自动确定文本各自然段之间的意义联系，从而自动划分文章的意义段。实验表明了该方法较好地反映了文章的客观结构，同时也为自然语言领域提供了一些有用的信息。

摘要： 本发明涉及一种基于分级词项的地质文档特征词项排序方法，包括：获取范围类型参数信息；判断范围类型参数是否与预先设定的第一参数或第二参数或第三参数相同；若是，则获取范围参数信息；基于范围类型参数信息和范围参数信息，获取预先设定的与类型参数信息和范围参数信息相应的第一文档集或第二文档集或第三文档集；获取第一文档集或第二文档集或第三文档集中的特征词项的词频；基于第一文档集或第二文档集或第三文档集中特征词项的词频，和预先设定的与特征词项对应的词项级别、级别权重，获取第一文档集或第二文档集或第三文档集中特征词项的特征值；基于特征词项的特征值，获取特征值中前N个特征值所对应的特征词项。

摘要： 影评情感分析中使用特征词集将影评以特征向量表示的方法，属于自然语言处理领域，为了解决影评情感分析可以被用于机器学习领域的问题，选取特征词，根据已下载的影评，提取有意义的情感词的集合作为特征词集，特征词集中的每个词为特征词；判断特征词集中的每一个特征词是否在该影评中出现，如果出现标注1，否则标注0，形成该影评的数组，将每条影评都转化为特征表示形式，作为特征向量，效果是可以使用在改进的朴素贝叶斯模型中，导致情感分析方法更为智能化，也提高了准确性。

摘要： 本发明公开了一种特征词提取方法，包括：响应于对目标文本的分词指令，对所述目标文本进行分词，得到分词集合；组合所述分词集合中的各个所述分词，得到若干词组，其中，每个所述词组包括若干所述分词；计算所述词组的第一TF值和TF‑IDF值；计算组合所述词组的每个所述分词的第二TF值，得到若干所述第二TF值；利用所述TF‑IDF值、所述第一TF值和若干所述第二TF值计算所述词组的概率限定TF‑IDF值；选取排列在预定位置之前的所述概率限定TF‑IDF值对应的所述词组作为所述目标文本的特征词。本公开还提供了一种文本相似度计算方法、一种特征词提取装置、一种文本相似度计算装置一种计算机设备和一种计算机可读存储介质。

摘要： 本发明公开了一种基于位置信息的文档集的特征词提取方法及系统，其对文档集进行空间向量模型处理；获取每个特征词在每篇文档集中的文档位置信息，并根据所述文档位置信息计算所述文档位置信息权重；根据所述文档位置信息权重采用加权词频计算特征词在文档集的TF‑IDF权重，并对所述TF‑IDF权重进行排序获取文档集特征词。本方法在TF‑IDF权重加入文档集位置信息权重，提高了文档集特征词提取的精准度，提高文档集自动化分类的准确度，降低人力纠正成本。

摘要： 本发明公开一种面向特征词粒度的领域情感词典构建方法，目的是在具体商品领域构建针对特征词粒度的情感词典。首先，建立与商品类别相关的领域语料库；然后，对每条评论进行分词、词性标记和依存关系分析，并基于规则从每条评论中提取词对；在此基础上，建立词对之间的约束关系矩阵和相似度矩阵；基于词对之间的约束关系和相似度，分别计算词对的正向转移概率矩阵和负向转移概率矩阵；最后利用双向标签传播算法计算每个词对的极性值并据此对词对进行情感标记。

摘要： 本发明涉及一种基于分级词项的地质文档特征词项排序方法，包括：获取范围类型参数信息；判断范围类型参数是否与预先设定的第一参数或第二参数或第三参数相同；若是，则获取范围参数信息；基于范围类型参数信息和范围参数信息，获取预先设定的与类型参数信息和范围参数信息相应的第一文档集或第二文档集或第三文档集；获取第一文档集或第二文档集或第三文档集中的特征词项的词频；基于第一文档集或第二文档集或第三文档集中特征词项的词频，和预先设定的与特征词项对应的词项级别、级别权重，获取第一文档集或第二文档集或第三文档集中特征词项的特征值；基于特征词项的特征值，获取特征值中前N个特征值所对应的特征词项。

摘要： 影评情感分析中使用特征词集将影评以特征向量表示的方法，属于自然语言处理领域，为了解决影评情感分析可以被用于机器学习领域的问题，选取特征词，根据已下载的影评，提取有意义的情感词的集合作为特征词集，特征词集中的每个词为特征词；判断特征词集中的每一个特征词是否在该影评中出现，如果出现标注1，否则标注0，形成该影评的数组，将每条影评都转化为特征表示形式，作为特征向量，效果是可以使用在改进的朴素贝叶斯模型中，导致情感分析方法更为智能化，也提高了准确性。

摘要： 本发明公开了一种基于特征词的文本协议报文聚类方法，以流为单位对由数据包组成的网络流量进行分割，提取网络流量的应用层内容，采用基于元素边界的方式对网络流量应用层内容进行分词，对分词后的应用层内容建立词袋模型，采用LDA模型完成以流为单位的文本协议报文聚类。本发明与预定义分隔符方式相比，需要的协议先验信息更少，能覆盖的协议范围更广；而且聚类后可以直接获取协议类别与特征词，无需进一步学习分类。

摘要： 本发明公开了一种基于特征词的舆情线索处理方法，构建线索挖掘模型，通过线索挖掘模型对第一舆情信息集合中的每条舆情信息进行风险点识别，即根据不同风险点对应的风险识别模型对相应舆情信息进行梳理，得到相应风险识别结果，将同一舆情信息对应的不同风险点相应的风险识别结果进行汇总，得到舆情信息的综合风险识别结果。本发明涉及互联网技术领域，不仅能够通过数据挖掘的方式来应对不同类型的线索和风险，同时能够，根据舆情形势的变化主动优化特征词库，对特征词库不断更新，不断提高特征词库对舆情线索分析结果的精度。

摘要： 本申请提出了一种基于计算机信息技术的特征词提取方法及系统，涉及计算机技术领域。一种基于计算机信息技术的特征词提取方法包括：获取预定时间段内计算机信息组的特征信息，根据特征信息中提取到的目标主题关键词，组成目标主题关键词集合；根据目标主题关键词集合对接多方数据源，进行数据处理和分类，得到特征词分类结果；根据特征词分类结果在计算机信息组中的词频信息，生成与对应主题关联的特征表，从特征表中筛选出至少一个特征词，作为对应主题的特征词。能够基于词语在主题类别中的词频信息自动提取出特征词语，提高特征词提取效。此外本申请还提出了一种基于计算机信息技术的特征词提取系统。