(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211166227.4 (22)申请日 2022.09.21 (71)申请人 中国科学院地理科 学与资源研究所 地址 100101 北京市朝阳区大屯路甲1 1号 (72)发明人 郑景云　张学珍　关旭源　 (74)专利代理 机构 北京中创云知识产权代理事 务所(普通 合伙) 11837 专利代理师 赵琳 (51)Int.Cl. G06F 40/151(2020.01) G06F 40/166(2020.01) G06F 40/284(2020.01) G06F 40/216(2020.01) G06F 16/31(2019.01) G06F 16/35(2019.01) (54)发明名称 古气候重建数据处 理方法及装置 (57)摘要 本申请实施例公开了一种古气候重建数据 处理方法及装置， 古气候重建数据处理方法包 括： 接收古气候重建文本数据； 对所述古气候重 建文本数据进行预处理， 将自然语 言数据转换为 数学语言数据； 将所述数学语言数据以预设的结 构映射存入 数据库。 本申请实施例的方法能够促 进古气候重建数据的利用。 权利要求书2页 说明书8页 附图2页 CN 115544971 A 2022.12.30 CN 115544971 A 1.一种气候数据处 理方法， 其特 征在于， 包括： 接收古气候重建文本数据； 对所述古气候重建文本数据进行 预处理， 将自然语言数据转换为数 学语言数据； 将所述数 学语言数据输入训练好的模型， 以预设的结构映射存 入数据库。 2.根据权利要求1所述的方法， 其特 征在于， 对所述历史气候数据进行 预处理， 包括： 对每一古气候重建文本数据， 删除其中的标点符号、 数字和英文字母； 采用python的jieba模块， 进行中文分词处理， 并根据停用词表去除文本中无意义的停 用词； 生成不含语句结构和虚词的词汇 表格。 3.根据权利要求2所述的方法， 其特征在于， 对模型训练包括： 对预处理后的历史气候 数据进行文本 向量化， 生成一个二维词 频矩阵， 所述矩阵的每行代表一篇古气候重建文本 数据， 每列代 表某个单词或词语在不同古气候重建文本数据中的词频。 4.根据权利要求3所述的方法， 其特征在于， 所述词频的计算使用TF ‑IDF方法， 计算公 式如下： TF为词频， IDF为逆文本频率指数。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 用三层贝叶斯 概率模型对所述 二维词频矩阵进行处 理。 6.根据权利要求5所述的方法， 其特征在于， 用三层贝叶斯概率模型对所述二维词频矩 阵进行处 理， 包括： 步骤1、 设定待分类主题个数n， 迭代次数为s； 步骤2、 计算类间散度矩阵和类内散度： S1＝∑N(ui‑u)(ui‑u)T S2＝∑∑(x‑ui)(x‑ui)T 步骤3、 计算s1‑1s2的特征值{λ1， λ2， ...， λd}， 以及对应的特征向量Q＝[ω1， ω2， ...， ωd]； 取出大小前((s ‑1)s‑k)/s个特征值对应的特征向量， 构成主题选择矩阵W， 其中k的值 为归纳出的古气候重建文献的种类数量； 投影数据： Y＝XW； 步骤4、 循环进行步骤2和步骤3共s次， 直到生成的投影矩阵Y＝[y1， y2，…， yk]的列数为 k， 每个列向量表示已分类的主题和对应的主题词概 率。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 对于已经分类的主题， 根据提前建立的历史气候文献分类字典进行匹配， 统计和记录 相应主题的数量， 并结合狄利克雷分布计算文本主题的后验概率， 取最大值对应的主题为 文本主题。 8.一种气候历史数据处 理装置， 其特 征在于， 包括： 数据接收模块， 其用于 接收古气候重建文本数据；权　利　要　求　书 1/2 页 2 CN 115544971 A 2预处理模块， 其用于对所述古气候重建文本数据进行预处理， 将自然语言数据转换为 数学语言数据； 存储模块， 其用训练好的模型对所述数学语言数据进行处理， 将所述数学语言数据以 预设的结构映射存 入数据库。 9.一种计算机可读存储介质， 其上存储有计算机程序， 该程序被处理器执行时实现权 利要求1‑7任一项所述的方法。 10.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 所述处理器执行所述计算机程序时实现权利要求1 ‑7中任一项所述的 方法。权　利　要　求　书 2/2 页 3 CN 115544971 A 3