基于NLP的公文数据采集分析方法及系统

本发明涉及电子数字数据处理技术领域，具体涉及基于NLP的公文数据采集分析方法及系统，包括：收集公文数据，获取标题词集合，根据预设参考时间段内公文标题词的数量特征和在公文中的位置，确定标题词的第一关键性和第二关键性，根据参考时间段内公文标题的数量和标题字数，确定公文标题词的最终关键性，进一步获取所有公文的标题关键词，获取每篇公文标题关键词的相关词，确定相关词之间的相似性，根据相关词之间的相似性和相关词的数量特征，确定公文之间的相似性，根据公文之间的相似性对公文数据进行分类。本发明对公文标题的关键词进行准确提取，提高了公文之间相似性计算的准确性，提高了公文数据分类的准确率。