公开(公告)号：CN108595389A

公开(公告)日：2018-09-28

申请号：CN201810378038.0

申请日：2018-04-25

Applicant: 华中科技大学

Inventor： 袁凌 ,  魏世康 ,  周铨 ,  冯晋田 ,  王铭丽

IPC: G06F17/22 ,  G06F17/21 ,  G06F17/30

Abstract: 本发明公开一种将Word文档转换为txt纯文本文档的方法，包括以下步骤：提取Word文档中的图片信息和公式信息并保存；将Word文档转换为Html文档，并将所述Html文档中的格式信息去除，所述格式信息为Word文档中格式标签对应的信息；对所述Html进行解析，提取相应的文本信息并存储为txt文档。本发明批量对Word文档进行自动转换，同时优化Word文档转换的结果。

公开(公告)号：CN110837740B

公开(公告)日：2021-04-20

申请号：CN201911058218.1

申请日：2019-10-31

Applicant: 华中科技大学 ,  武汉烽火技术服务有限公司

Inventor： 袁凌 ,  冯晋田 ,  李金珊 ,  魏明 ,  杨雷

IPC: G06F40/30 ,  G06F16/31 ,  G06F16/35

Abstract: 本发明公开了一种基于词典改进LDA模型的评论方面观点级挖掘方法，属于网络评论文本挖掘领域。包括：基于原始网络评论库，构建倒排索引列表；对原始网络评论库各句子进行去停词处理，得到预处理后网络评论库；将预处理后网络评论库输入基于SentiWordNet与WordNet的改进LDA模型，采用吉布斯抽样，得到抽样结果；对抽样结果进行排序，选取属于对应评价类别的概率排名前m的单词，根据单词的倒排索引找到具体的句子。本发明将网络评论库的方面直接设置为种子词，不需要人工标注。将评价对象词与评论观点进行分离，通过计算单词与种子词的相似度对LDA模型参数进行偏置，提高模型的效果。基于倒排索引，将聚类结果同种子词及原文建立联系，提高结果的可读性。

公开(公告)号：CN108595389B

公开(公告)日：2021-02-26

申请号：CN201810378038.0

申请日：2018-04-25

Applicant: 华中科技大学

Inventor： 袁凌 ,  魏世康 ,  周铨 ,  冯晋田 ,  王铭丽

IPC: G06F40/151 ,  G06F40/109 ,  G06F16/11

Abstract: 本发明公开一种将Word文档转换为txt纯文本文档的方法，包括以下步骤：提取Word文档中的图片信息和公式信息并保存；将Word文档转换为Html文档，并将所述Html文档中的格式信息去除，所述格式信息为Word文档中格式标签对应的信息；对所述Html进行解析，提取相应的文本信息并存储为txt文档。本发明批量对Word文档进行自动转换，同时优化Word文档转换的结果。

公开(公告)号：CN110837740A

公开(公告)日：2020-02-25

申请号：CN201911058218.1

申请日：2019-10-31

Applicant: 华中科技大学 ,  武汉烽火技术服务有限公司

Inventor： 袁凌 ,  冯晋田 ,  李金珊 ,  魏明 ,  杨雷

IPC: G06F40/30 ,  G06F16/31 ,  G06F16/35

Abstract: 本发明公开了一种基于词典改进LDA模型的评论方面观点级挖掘方法，属于网络评论文本挖掘领域。包括：基于原始网络评论库，构建倒排索引列表；对原始网络评论库各句子进行去停词处理，得到预处理后网络评论库；将预处理后网络评论库输入基于SentiWordNet与WordNet的改进LDA模型，采用吉布斯抽样，得到抽样结果；对抽样结果进行排序，选取属于对应评价类别的概率排名前m的单词，根据单词的倒排索引找到具体的句子。本发明将网络评论库的方面直接设置为种子词，不需要人工标注。将评价对象词与评论观点进行分离，通过计算单词与种子词的相似度对LDA模型参数进行偏置，提高模型的效果。基于倒排索引，将聚类结果同种子词及原文建立联系，提高结果的可读性。