声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：钟寒, 徐艺嘉, 鹿浩, 孙旌睿
单位：（1.中国人民公安大学信息网络安全学院，北京 102623；2.安全防范与风险评估公安部重点实验室,北京 102623）
关键词：概念抽取；概念隶属度；贝叶斯决策 ,,
基金：国家社会科学基金(20AZD114)；公安部科技强警基础工作专项(2019GABJC01)；公安部软科学理论研究计划(2021LL39)；中央高校基本科研业务费项目(2021JKF107)
为了提高特定领域核心概念抽取的效率，提出一种基于模糊贝叶斯决策的核心概念抽取方法。在特定领域内随机抽取大量文本并进行分词获取候选概念；然后采用TF-IDF算法计算候选概念的各项特征值，采用概念隶属度归一化处理候选概念特征值；最终通过贝叶斯决策计算候选概念为核心概念的概率。在财经领域相关数据集上进行文本核心概念抽取的实验结果表明，所提方法的F1值相比TextRank、LDA主题模型、word2vec词聚类模型、RNN、LSTM等的F1值有所提高。综合实验结果表明，基于模糊贝叶斯决策的核心概念抽取方法在核心概念抽取方面表现较好。
来源：2022年第9期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。