# 短文本分类

**Repository Path**: PunchOvO/STC

## Basic Information

- **Project Name**: 短文本分类
- **Description**: 短文本分类持续探险中
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: punch
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-12-17
- **Last Updated**: 2023-12-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

pycharm终端
activate tfidf虚拟环境
conda create -n bert python=3.7
anaconda prompt下pip
conda list -e
conda install python=3.7
pip list
pip install tensorflow==1.14.0
pip install gensim, jieba, matplotlib
pip install scikit-learn
pip install protobuf==3.19.0



1.数据读取： 专利数据 + 企业数据
2.预处理： 分词，去停用词，标注
3.特征提取： tfidf -> 专利特征向量 + 企业特征向量
4.相似度计算： 余弦相似度
5.设置阈值： >阈值: 推荐、 <阈值: 不推荐，加入位置权重
 

专利名 对应的 标签序号：
激光器 0 
光电 1
激光加工 2
激光电视、激光显示 3
激光通信 4 
医用激光 5
激光二极管 6
光电转化器 7
光电转台 8
激光打印、3D打印 9
激光切割 10
激光测距 11
激光传感 12
激光雷达 13
激光雕刻 14
激光焊接 15
光电探测器 16
增材制造	17
激光全息	18
激光光源	19
光电倍增管 20
激光扫描 21


分解：
tfidf_dict: 专利摘要分词结果 提取tfidf
tfidf_w2v_cos_xy: 专利名和对应专利标签 划分实验数据集