[00047065]一种科技项目申请书特征词提取方法
技术详细介绍
摘要：本发明公开了一种科技项目申请书特征词提取方法。本发明具体包括如下步骤：步骤1：将申请书主要文本切分成子串序列并进行中科院ICTCLAS分词；步骤2：构建基于碎片的规则模型，并通过构建的规则模型识别未登录词；步骤3：对经步骤2提取未登录词后的分词结果进行停用词过滤得到词语集合；步骤4：计算词语集合中词语间语义相似度并建立词语语义相似度网络，计算图中词语的关联度，根据关联度大小提取特征词；步骤5：将步骤4得到的特征词与步骤2识别出的未登录词组成科技项目申请书的特征词。本发明能更准确地提取到项目申请书的关键词，也改善了科技项目相似度检查的效果。
