《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 设计应用 > 融合多特征TFIDF文本分析的汽车造型需求提取方法
融合多特征TFIDF文本分析的汽车造型需求提取方法
2021年电子技术应用第2期
季曹婷,马伟锋,楼 姣,马来宾
浙江科技学院 信息与电子工程学院,浙江 杭州310023
摘要: 针对汽车造型智能设计领域中如何有效提取用户需求的问题,提出一种融合多特征TFIDF(词频-逆向文件频率)文本分析的汽车造型需求提取方法。首先,通过基于互信息与边界自由度获取大量未登录的专业词汇,优化和修正简单分词后的词汇;然后针对经典TFIDF算法的局限性,引入词汇特征因素与情感特征因素,获取用户需求特征候选集;最后根据设定的阈值得到有效的用户需求。实验结果表明,融合多特征TFIDF文本分析算法在特征提取方面有一定优势,能有效提取文本中关于汽车造型的用户需求。
中圖分類號: TN02;TP391
文獻標識碼: 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,個性化生產(chǎn)是未來制造業(yè)發(fā)展的必然趨勢,用戶除了對商品基本功能的要求之外,個性化定制的需求正不斷地增加[1]。汽車制造業(yè)是智能制造的典型應(yīng)用行業(yè),根據(jù)調(diào)查,我國超過七成的消費者認為汽車造型是決定購買汽車時的首要考慮因素[2],因此汽車造型能否符合用戶需求是個性化汽車造型設(shè)計成敗的關(guān)鍵[3]。目前,汽車造型的用戶需求描述主要以文本數(shù)據(jù)形式存在[4]。自然語言處理技術(shù)是當前文本分析的主流方法,通常采用無監(jiān)督方法進行自動關(guān)鍵詞提取。但是該算法完全基于詞頻,忽略了詞語其他特征對關(guān)鍵詞提取影響的問題[5-7]。許多研究人員對此展開研究,趙曉平[8]等人提出文本結(jié)構(gòu)特征與經(jīng)典的TFIDF方法進行融合,應(yīng)用于科技項目文本的相似度度量計算中;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、詞長與語義關(guān)聯(lián)度因素,相比經(jīng)典的TFIDF算法有所改進;然而在實際應(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)用場景的問題。所以余本功[10]等人在解決問答社區(qū)關(guān)鍵詞提取的問題時融合了詞匯特征與社會化問答社區(qū)文本的用戶關(guān)注屬性來綜合度量詞語權(quán)重,提升了社區(qū)問答關(guān)鍵詞提取的效果。

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




本文詳細內(nèi)容請下載:http://m.tom3567.com/resource/share/2000003364




作者信息:

季曹婷,馬偉鋒,樓  姣,馬來賓

(浙江科技學院 信息與電子工程學院,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。
主站蜘蛛池模板: 国产精品美女在线| 日本不卡在线观看| 国产日韩在线精品av| www.日韩免费| 欧美视频在线播放一区| 国产日本欧美一区| 欧美日韩一区二区视频在线| 日韩在线中文字幕| 北条麻妃在线一区| 国产精品免费久久久久久| 韩国视频理论视频久久| 久久久精品亚洲| 欧美精品中文字幕一区二区| 色婷婷综合久久久久| 亚洲a级在线播放观看| 91精品久久香蕉国产线看观看| 日韩欧美在线一区二区| 国产精品视频久久久| 国产一区二区视频在线观看 | 国产欧亚日韩视频| 欧美一区二区三区精美影视| 亚洲a级在线观看| 无码日韩人妻精品久久蜜桃V | 亚洲a中文字幕| 国产精品久久久久99| 国产在线精品播放| 黄色国产精品一区二区三区| 欧美精品日韩三级| 欧美成人精品在线| 久久久久久美女| 久久国产色av免费观看| 国产一区二区视频在线观看 | 亚洲自拍中文字幕| 国产精品亚洲a| 精品久久国产精品| 精品国产免费人成电影在线观...| 国产精品永久免费视频| 日本免费高清一区| 日韩成人在线资源| 欧美精品在线一区| 精品视频在线观看|