公开(公告)号：CN111984776B

公开(公告)日：2023-08-11

申请号：CN202010844347.X

申请日：2020-08-20

申请人： 中国农业科学院农业信息研究所

发明人： 侯颖 ,  崔运鹏 ,  李欢 ,  王婷 ,  马浩

IPC分类号： G06F16/332 ,  G06F16/35 ,  G06F16/38

摘要： 本发明公开了一种基于词向量模型的机构名称规范方法，包括：分析科技文献数据机构名称字段特征，选取机构相关字段；提取文献相关字段信息文本，并对相关字段进行清洗和变换；采用word2vec词向量方法对提取文本信息构建词向量模型并对机构名称进行聚类；结合词向量模型和聚类文件查找相似度高的词，从中识别并提取机构名称；采用Jaro相似度方法通过设置阈值计算匹配相似机构名称。本发明能有效改善基于海量数据的科技评价中的数据可靠性问题,规范科技文献数据库中的机构名称存储与管理，从而提升科技文献数据库建设的规范性。

公开(公告)号：CN111984776A

公开(公告)日：2020-11-24

申请号：CN202010844347.X

申请日：2020-08-20

申请人： 中国农业科学院农业信息研究所

发明人： 侯颖 ,  崔运鹏 ,  李欢 ,  王婷 ,  马浩

IPC分类号： G06F16/332 ,  G06F16/35 ,  G06F16/38

摘要： 本发明公开了一种基于词向量模型的机构名称规范方法，包括：分析科技文献数据机构名称字段特征，选取机构相关字段；提取文献相关字段信息文本，并对相关字段进行清洗和变换；采用word2vec词向量方法对提取文本信息构建词向量模型并对机构名称进行聚类；结合词向量模型和聚类文件查找相似度高的词，从中识别并提取机构名称；采用Jaro相似度方法通过设置阈值计算匹配相似机构名称。本发明能有效改善基于海量数据的科技评价中的数据可靠性问题,规范科技文献数据库中的机构名称存储与管理，从而提升科技文献数据库建设的规范性。