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！

龙图腾网获悉煤炭科学研究总院有限公司;天地科技股份有限公司北京技术研究分公司申请的专利一种用于煤炭行业NLP分词的专业词库构建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：CN119443085B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411434517.1，技术领域涉及：G06F40/216；该发明授权一种用于煤炭行业NLP分词的专业词库构建方法是由周子博;程健;骆意;杨培培;孙闯;贾琨;石磊;方乾设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种用于煤炭行业NLP分词的专业词库构建方法在说明书摘要公布了：本发明提出一种用于煤炭行业NLP分词的专业词库构建方法，涉及词库构建技术领域，方法包括：对煤炭期刊类数据进行煤炭行业关键词提取，以对提取的多个煤炭行业分词进行第一次词频排序，根据第一次词频排序构建第一词库以及第二词库；通过文字识别技术对煤炭行业标准术语进行识别，以构建第三词库；基于深度学习模型，对第二词库和第三词库进行扩充，得到初始词库；在初始词库中进行第二次词频排序，根据第二次词频排序构建第四词库；对第四词库和第一词库组成第五词库进行重复分词筛选，以得到煤炭行业分词词库。由此，提高了煤炭行业NLP分词结果的质量，增强了煤炭行业大模型处理大规模数据的准确度。

本发明授权一种用于煤炭行业NLP分词的专业词库构建方法在权利要求书中公布了：1.一种用于煤炭行业NLP分词的专业词库构建方法，其特征在于，所述方法包括： 对煤炭期刊类数据进行煤炭行业关键词提取，以得到多个煤炭行业分词； 对所述多个煤炭行业分词进行第一次词频排序，以选取出频率排序前x的目标煤炭行业分词构建的第一词库，以及煤炭行业分词中除目标煤炭行业分词外的剩余煤炭行业分词构建的第二词库； 通过文字识别技术对煤炭行业标准术语进行识别，以得到煤矿行业标准类分词，以构建第三词库； 基于深度学习模型，学习第二词库和第三词库的数据特征，以根据所述数据特征，对第二词库和第三词库进行扩充，得到新的初始词库； 在初始词库中进行第二次词频排序，选取出频率排序前y的备用煤炭行业分词，以构建第四词库； 将第四词库和第一词库组成第五词库，并对第五词库进行重复分词筛选，以得到煤炭行业分词词库； 所述煤炭期刊类数据包括结构化数据、半结构化数据和非结构化数据，对煤炭期刊类数据进行煤炭行业关键词提取，以得到多个煤炭行业分词，包括： 通过二维表格型数据结构DataFrame使用标签索引来访问煤炭期刊类数据对应的关键词列，完成结构化数据的关键词提取，以得到结构化的第一类行业分词； 通过解析器将煤炭期刊类数据对应的半结构化数据解析为结构化数据，以进行结构化数据的关键词提取，得到半结构化数据对应的第二类行业分词； 通过字符串匹配算法分别对非结构化数据中的可直接编辑类和不可直接编辑类进行关键词行定位，以完成非结构化数据的关键词提取，得到第三类行业分词和第四类行业分词； 将第一类行业分词、第二类行业分词、第三类行业分词、第四类行业分词共同作为多个煤炭行业分词； 所述通过字符串匹配算法分别对非结构化数据中的可直接编辑类和不可直接编辑类进行关键词行定位，以完成非结构化数据的关键词提取，得到第三类行业分词和第四类行业分词，包括： 通过字符串匹配算法对非结构化数据中的可直接编辑类进行关键词行定位，以完成可直接编辑类的关键词提取，得到第三类行业分词； 对所述非结构化数据中的不可直接编辑类进行数据预处理，以得到初始化不可直接编辑类，其中，数据预处理包括降噪、二值化处理和倾斜矫正； 对所述初始化不可直接编辑类依次进行文字检测识别和校正编辑，以得到可用的行业文字； 通过字符串匹配算法分别对所述可用的行业文字进行关键词行定位，以完成不可直接编辑类的关键词提取，得到第四类行业分词。

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煤炭科学研究总院有限公司;天地科技股份有限公司北京技术研究分公司，其通讯地址为：100013 北京市朝阳区和平里青年沟东路5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。