买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽理工大学申请的专利一种面向中文反讽文本的夸张表征词提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117056463B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311024896.2，技术领域涉及：G06F16/334；该发明授权一种面向中文反讽文本的夸张表征词提取方法是由朱广丽;李书羽;周若彤;汪雨晴;段文杰;王琰慧;户龙辉设计研发完成，并于2023-08-12向国家知识产权局提交的专利申请。

本一种面向中文反讽文本的夸张表征词提取方法在说明书摘要公布了：本发明公开了一种面向中文反讽文本的夸张表征词提取方法，属于自然语言处理技术，包括以下步骤：步骤1：对反讽数据集进行预处理后，采用双向最大匹配法分词；步骤2：利用TF‑IDF对分词后的文本计算词频构建候选词集；步骤3：采用卡方统计衡量反讽文本与夸张表征之间的关联程度，并通过卡方检验方法设置最佳阈值来选取强关联夸张表征词，以此构建夸张表征种子词集；步骤4：基于WoBERT语义相似度计算框架，计算反讽文本与种子词集的动态词向量语义相似度，并设置阈值来选取相似度高的夸张表征词，以此构建夸张表征词集。本发明旨在通过提取中文反讽文本中含有的夸张表述的词来挖掘反讽语句特征，从而为中文反讽文本识别任务提供技术支持。

本发明授权一种面向中文反讽文本的夸张表征词提取方法在权利要求书中公布了：1.一种面向中文反讽文本的夸张表征词提取方法，其特征在于包括如下步骤： 步骤1：获取中文反讽文本数据与文本预处理和分词；获取中文反讽数据，并将其作为研究对象，对其进行文本预处理与分词操作； 步骤2：基于TF-IDF方法提取夸张表征候选词集；利用TF-IDF方法，计算文本的词频，获取高频词，提取夸张表征候选词集； 步骤3：基于卡方统计和卡方检验方法，构建夸张表征种子词集；统计包含夸张表征候选词集中词的文本数与反讽文本数，计算每个候选词的卡方值，据此衡量夸张表征候选词与反讽文本的关联程度，并通过卡方检验设置最佳阈值，通过比较卡方值与阈值，选取强关联夸张表征词构建夸张表征种子词集； 步骤4：基于WoBERT的语义相似度计算框架，构建夸张表征词集；计算文本特征词向量与夸张表征种子词集词向量之间的余弦相似度，设定阈值，将文本中语义相似的词纳入夸张表征词集中，丰富词集所包含的语义信息； 步骤3包括如下： 步骤3.1利用卡方统计，衡量中文反讽文本与其中存在的夸张表征之间的关联程度，计算所得的每个夸张表征词对应的卡方值用于表示它们与反讽文本之间的关联程度；统计包含夸张表征候选词集中候选词的反讽文本数以及非反讽文本数，同时统计不包含夸张表征候选词集中候选词的反讽文本数以及非反讽文本数，计算文本数之间的关系得到卡方值； 步骤3.2通过卡方检验计算最佳阈值Tv，选取卡方值达到最佳阈值Tv的夸张表征，构建出夸张表征种子词集；根据计算出的夸张表征候选词集中词的卡方值，利用卡方检验做出假设；计算过程表示如下： 其中，n为总文本数，Ai为实际频数，B为理论频数； 步骤3.3最佳阈值Tv是通过计算自由度v后，与显著性水平α的值对应于卡方分布临界值表中找出对应的临界值，得到最佳阈值Tv；默认α＝0.01表明在概率为0.99情况下假设为真；自由度计算过程如下： v＝row-1*col-1 其中，row表示分类的类别数，col表示与分类类别相关的特征文本数； 步骤3.4将所选取的候选词集中夸张表征词的卡方值与最佳阈值Tv进行对比，将卡方值达到最佳阈值所对应的夸张表征候选词纳入夸张表征种子词集中，以此构建夸张表征种子词集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。