典型文献
融合标准知识的事故灾难领域词典构建
文献摘要：
现阶段我国正处于事故灾难的频发时期,目前国内针对这一领域的专业化词典相对欠缺.本文以有关事故灾难领域的国家应急标准及网络数据为语料库,首先对语料库进行预处理,其次利用TF-IDF算法筛选出种子词集合,同时借助深度学习中的Word2Vec模型进行词向量训练,然后利用相似度计算的方式确定出领域候选词,最后融合应急标准术语完成事故灾难领域词典的构建.经SVM分类器与朴素贝叶斯分类器验证,将本文所构建的领域词典加入到结巴自定义词典后,分类器在准确率、召回率与F1值上分别提高了 11％、11％、12％以及5％、8％、6％,表明本文构建的领域词典质量较好.
文献关键词：
事故灾难;TF-IDF算法;Word2Vec模型;SVM分类器;朴素贝叶斯分类器
中图分类号：
作者姓名：
伊然;张甜;邢心羽;马雯雯;张鲲洋;刘文玲
作者机构：
中国矿业大学(北京)管理学院
文献出处：
引用格式：
[1]伊然;张甜;邢心羽;马雯雯;张鲲洋;刘文玲-.融合标准知识的事故灾难领域词典构建)[J].中国标准化,2022(15):88-94,117
A类：
B类：
融合标准,标准知识,事故灾难,领域词典,网络数据,语料库,TF,IDF,种子词,词集,Word2Vec,词向量训练,相似度计算,候选词,成事,朴素贝叶斯分类器,结巴,自定义词,召回率
AB值：
0.268386
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
