[發明專利]關鍵字抽取裝置

無效

• 申請號: 200580037260.5
• 申請日: 2005-10-11
• 公開（公告）號: CN101069177A
• 公開（公告）日: 2007-11-07
• 發明（設計）人: 增山博昭;佐藤晴正;淺田誠;蓮子和巳;堀田任晃
• 申請（專利權）人: 株式會社IPB
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中原信達知識產權代理有限責任公司
• 代理人: 陸錦華;謝麗娜

1.一種關鍵字抽取裝置，是從由多個文件組成的文件群中抽取關鍵字的裝置，具備：

從上述文件群的數據中抽取索引詞的索引詞抽取單元；

算出把對于上述索引詞的各個在上述文件群中的出現頻度的高低程度包含在評價中的權重，抽取該權重大的索引詞即高頻度詞的高頻度詞抽取單元；

基于上述高頻度詞的各個和上述索引詞的各個在文件單位中的同現的有無，算出上述高頻度詞的各個和上述索引詞的各個在上述文件群中的同現度的高頻度詞-索引詞同現度算出單元；

基于上述算出的同現度，對上述高頻度詞進行分類，生成簇的成簇單元；

對于各個索引詞算出對與上述索引詞中的屬于較多的上述簇的高頻度詞發生同現，且在較多的文件中與上述高頻度詞發生同現的東西較高地進行評價所得的得分的得分算出單元；以及

基于上述算出的得分來抽取關鍵字的關鍵字抽取單元。

2.根據權利要求1所述的關鍵字抽取裝置，其中，上述得分算出單元對于各個索引詞算出的得分是對在包含上述文件群以外的文件在內的文件集團中的出現頻度較低的索引詞較高地進行評價所得的得分。

3.根據權利要求1或權利要求2所述的關鍵字抽取裝置，其中，上述得分算出單元對于各個索引詞算出的得分是對在上述文件群中的出現頻度較高索引詞較高地進行評價所得的得分。

4.根據權利要求1至權利要求3中任意一項所述的關鍵字抽取裝置，其中，上述關鍵字抽取單元基于在上述得分算出單元中被高地評價了的索引詞在上述文件群中的出現頻度，決定關鍵字抽取數。

5.根據權利要求4所述的關鍵字抽取裝置，其中，上述關鍵字抽取單元基于在屬于上述文件群的各文件的標題中的詞的出現率，抽取上述決定了的抽取數的關鍵字。

6.根據權利要求1至權利要求3中任意一項所述的關鍵字抽取裝置，其中，還具備：

對于具備作為分析對象的上述文件群和其他文件群的文件群集團，分別算出與各索引詞有關的在各文件群中的評價值的評價值算出單元；以及

算出以下集中度的集中度算出單元，該集中度是對于各索引詞，算出在各文件群中的評價值的、在屬于上述文件群集團的所有文件群中的和，對于各文件群算出在各文件群中的評價值對該和的比，分別算出該比的平方，算出該比的平方在屬于上述文件群集團的所有文件群中的和，從而獲得的在上述文件群集團中的各索引詞的分布的集中度，

上述關鍵字抽取單元單元對評價加上由上述得分算出單元對于上述分析對象的文件群算出的得分以及由上述集中度算出單元算出的集中度而抽取關鍵字。

7.根據權利要求1至權利要求3中任意一項所述的關鍵字抽取裝置，其中，還具備：

對于具備作為分析對象的上述文件群和其他文件群的文件群集團，分別算出與各索引詞有關的在各文件群中的評價值的評價值算出單元；以及

算出以下份額的份額算出單元，該份額是算出在上述分析對象的文件群中的各索引詞的評價值的、與從屬于上述文件群集團的各文件群中抽取到的所有索引詞有關的和，對于各索引詞算出各索引詞的評價值對該和的比，從而獲得的在上述分析對象的文件群中的各索引詞的份額，

上述關鍵字抽取單元單元對評價加上由上述得分算出單元對于上述分析對象的文件群算出的得分以及由上述份額算出單元對于上述分析對象的文件群算出的份額而抽取關鍵字。

8.根據權利要求1至權利要求3中任意一項所述的關鍵字抽取裝置，其中，還具備：

對于各索引詞，算出在具備作為分析對象的上述文件群和其他文件群的文件群集團中的出現頻度的倒數的函數值的第1倒數算出單元；

對于各索引詞，算出在包含上述文件群集團的大文件集團中的出現頻度的倒數的函數值的第2倒數算出單元；以及

根據從上述第1倒數算出單元的算出結果中減去上述第2倒數算出單元的算出結果所得的東西的函數值，算出在上述文件群集團中的各索引詞的獨創度的獨創度算出單元，

上述關鍵字抽取單元單元對評價加上由上述得分算出單元對于上述分析對象的文件群算出的得分以及由上述獨創度算出單元算出的獨創度而抽取關鍵字。