融入Attention机制改进Word2vec技术的水利水电工程专业词智能提取与分析方法

• 作者: Jonathan Shi 李明超 沈扬 田丹 韩帅
• 来源期刊: 水利学报
• 学科: 工学
• 关键词: 水利水电工程 专业文本 自然语言处理 词向量 Word2vec技术 Attention机制 智能提取
• 年，卷（期）: 2020,（7）
• 页码范围: 816-826
• 页数: 11页
• 分类号: TV512|TP391.1
• 字数: 9858字
• 语种: 中文
• DOI: 10.13243/j.cnki.slxb.20190920

摘要

水利水电工程专业文本信息处理与分析以往主要依赖于人工交互,存在过程繁琐、效率低且易出错等问题.本文基于自然语言处理技术,引入Attention机制对Word2vec技术加以改进,提出了一种智能高效的水利水电工程专业词识别提取与分析方法.该方法通过组合Attention机制,改进Word2vec技术建立了专业词向量计算模型;根据所求词向量,计算词语间相似度,以词语间相似度为组合标准,组合提取水利水电工程专业词;进而结合已有的水利水电工程专业文本,验证所提取专业词的可信度,实现了水利水电工程专业词的自动提炼,构建了一套水利水电工程专业词智能识别提取与分析体系.该方法应用于实际某混凝土大坝长达229周的施工监理周报文本分析中,经过3轮识别计算与分析,获得了9034个水利水电工程专业词,准确率为87.58％,有效提升了水利水电工程专业文本信息提取分析的效率、准确率与智能化水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明超		1	0	0.0	0.0
2	田丹		1	0	0.0	0.0
3	沈扬		2	0	0.0	0.0
4	韩帅		1	0	0.0	0.0