[发明专利]一种基于机器学习的多特征文本数据相似度计算方法有效
申请号: | 201810838529.9 | 申请日: | 2018-07-27 |
公开(公告)号: | CN109145111B | 公开(公告)日: | 2023-05-26 |
发明(设计)人: | 陈磊 | 申请(专利权)人: | 深圳市翼海云峰科技有限公司 |
主分类号: | G06F16/35 | 分类号: | G06F16/35;G06F40/284;G06F40/289;G06F18/2135;G06F18/22;G06F18/23 |
代理公司: | 武汉智嘉联合知识产权代理事务所(普通合伙) 42231 | 代理人: | 黄君军 |
地址: | 518000 广东省深圳市福田区福田街*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于机器学习的多特征文本数据相似度计算方法,使用文本矢量化算法将每条数据的每个特征转化为一个矢量数组;将每条数据的多个特征生成的矢量数据进行拼接,正则化处理,并将所有数据的对应矢量数组组成一个矩阵;可选地使用PCA算法对上述矩阵进行降维;由业务专家在上述数据中标注出一系列相似数据对,每个数据对由两条相似数据组成;基于上述相似数据对,计算出矢量距离映射矩阵,并基于该矩阵得到矢量距离计算公式;使用低精度聚合算法。该方法采用机器学习算法实现了多特征文本数据的距离计算,并使用低精度聚类方法降低了计算量,提升了算法性能。 | ||
搜索关键词: | 一种 基于 机器 学习 特征 文本 数据 相似 计算方法 | ||
【主权项】:
1.一种基于机器学习的多特征文本数据相似度计算方法,其特征在于,包括以下几个具体步骤:一、使用文本矢量化算法将每条数据的每个特征转化为一个矢量数组;二、将每条数据的多个特征生成的矢量数据进行拼接,正则化处理,并将所有数据的对应矢量数组组成一个矩阵;三、可选地使用PCA算法对上述矩阵进行降维;四、由业务专家在上述数据中标注出一系列相似数据对,每个数据对由两条相似数据组成;五、基于上述相似数据对,计算出矢量距离映射矩阵,并基于该矩阵得到矢量距离计算公式;六、使用低精度聚合算法,将所有数据归入多个聚类,一条数据有可能属于多个聚类;七、对于某条特定数据,基于上述聚类和距离计算公式,得到与该数据相似度最高的数据。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市翼海云峰科技有限公司,未经深圳市翼海云峰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810838529.9/,转载请声明来源钻瓜专利网。
- 上一篇:标签查询方法和装置
- 下一篇:一种基于全局信息注意力机制的商品评论分类方法
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置