《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 融合多特征TFIDF文本分析的汽車(chē)造型需求提取方法
融合多特征TFIDF文本分析的汽車(chē)造型需求提取方法
2021年電子技術(shù)應(yīng)用第2期
季曹婷，馬偉鋒，樓 姣，馬來(lái)賓
浙江科技學(xué)院 信息與電子工程學(xué)院，浙江 杭州310023
摘要： 針對(duì)汽車(chē)造型智能設(shè)計(jì)領(lǐng)域中如何有效提取用戶(hù)需求的問(wèn)題，提出一種融合多特征TFIDF(詞頻-逆向文件頻率)文本分析的汽車(chē)造型需求提取方法。首先，通過(guò)基于互信息與邊界自由度獲取大量未登錄的專(zhuān)業(yè)詞匯，優(yōu)化和修正簡(jiǎn)單分詞后的詞匯；然后針對(duì)經(jīng)典TFIDF算法的局限性，引入詞匯特征因素與情感特征因素，獲取用戶(hù)需求特征候選集；最后根據(jù)設(shè)定的閾值得到有效的用戶(hù)需求。實(shí)驗(yàn)結(jié)果表明，融合多特征TFIDF文本分析算法在特征提取方面有一定優(yōu)勢(shì)，能有效提取文本中關(guān)于汽車(chē)造型的用戶(hù)需求。
中圖分類(lèi)號(hào)： TN02；TP391
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200488
中文引用格式： 季曹婷，馬偉鋒，樓姣，等. 融合多特征TFIDF文本分析的汽車(chē)造型需求提取方法[J].電子技術(shù)應(yīng)用，2021，47(2)：16-19，27.
英文引用格式： Ji Caoting，Ma Weifeng，Lou Jiao，et al. An extraction method of car styling requirements by integrating multifeature TFIDF text analysis[J]. Application of Electronic Technique，2021，47(2)：16-19，27.
An extraction method of car styling requirements by integrating multi-feature TFIDF text analysis
Ji Caoting，Ma Weifeng，Lou Jiao，Ma Laibin
School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310023，China
Abstract： In order to extract user requirements effectively in the field of car styling intelligent design, a method for extracting car styling requirements based on multi-feature TFIDF(word frequency-inverse file frequency) text analysis is proposed. Firstly, a large number of unregistered professional vocabularies is obtained through mutual information and boundary degrees of freedom to optimize the vocabulary after simple word segmentation. Next, in order to solve the problem of the limitations of the classic TFIDF algorithm, vocabulary and emotional feature factors are introduced to get user demand feature candidates set. Finally, effective user needs are obtained according to the threshold. The experimental results show that the multi-feature TFIDF text analysis algorithm has certain advantages in feature extraction, and can effectively extract user needs of the car styling in the text.
Key words : car styling；user needs analysis；keyword extraction；TFIDF

0 引言

    在智能制造的背景下，個(gè)性化生產(chǎn)是未來(lái)制造業(yè)發(fā)展的必然趨勢(shì)，用戶(hù)除了對(duì)商品基本功能的要求之外，個(gè)性化定制的需求正不斷地增加[1]。汽車(chē)制造業(yè)是智能制造的典型應(yīng)用行業(yè)，根據(jù)調(diào)查，我國(guó)超過(guò)七成的消費(fèi)者認(rèn)為汽車(chē)造型是決定購(gòu)買(mǎi)汽車(chē)時(shí)的首要考慮因素[2]，因此汽車(chē)造型能否符合用戶(hù)需求是個(gè)性化汽車(chē)造型設(shè)計(jì)成敗的關(guān)鍵[3]。目前，汽車(chē)造型的用戶(hù)需求描述主要以文本數(shù)據(jù)形式存在[4]。自然語(yǔ)言處理技術(shù)是當(dāng)前文本分析的主流方法，通常采用無(wú)監(jiān)督方法進(jìn)行自動(dòng)關(guān)鍵詞提取。但是該算法完全基于詞頻，忽略了詞語(yǔ)其他特征對(duì)關(guān)鍵詞提取影響的問(wèn)題[5-7]。許多研究人員對(duì)此展開(kāi)研究，趙曉平[8]等人提出文本結(jié)構(gòu)特征與經(jīng)典的TFIDF方法進(jìn)行融合，應(yīng)用于科技項(xiàng)目文本的相似度度量計(jì)算中；牛永潔[9]等人不僅考慮到詞頻、詞跨度和位置權(quán)重特征，還考慮到詞性、詞長(zhǎng)與語(yǔ)義關(guān)聯(lián)度因素，相比經(jīng)典的TFIDF算法有所改進(jìn)；然而在實(shí)際應(yīng)用中，不僅要考慮到詞匯本身的特征信息，而且還需要考慮應(yīng)用場(chǎng)景的問(wèn)題。所以余本功[10]等人在解決問(wèn)答社區(qū)關(guān)鍵詞提取的問(wèn)題時(shí)融合了詞匯特征與社會(huì)化問(wèn)答社區(qū)文本的用戶(hù)關(guān)注屬性來(lái)綜合度量詞語(yǔ)權(quán)重，提升了社區(qū)問(wèn)答關(guān)鍵詞提取的效果。

    雖然上述研究均取得了一些成果，但是無(wú)法有效地對(duì)汽車(chē)造型的用戶(hù)需求文本進(jìn)行提取。本文利用融合多特征TFIDF算法對(duì)用戶(hù)需求文本數(shù)據(jù)進(jìn)行分析，獲取有效的用戶(hù)需求特征，為汽車(chē)造型設(shè)計(jì)的需求確定提供支撐。




本文詳細(xì)內(nèi)容請(qǐng)下載:http://ihrv.cn/resource/share/2000003364




作者信息:

季曹婷，馬偉鋒，樓  姣，馬來(lái)賓

(浙江科技學(xué)院 信息與電子工程學(xué)院，浙江 杭州310023)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。