[發(fā)明專利]一種為文本添加超級(jí)鏈接的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201210087642.0
• 申請(qǐng)日: 2012-03-29
• 公開（公告）號(hào): CN103365831B
• 公開（公告）日: 2017-07-21
• 發(fā)明（設(shè)計(jì)）人: 賀翔;卞琪;焦峰
• 申請(qǐng)（專利權(quán)）人: 深圳市世紀(jì)光速信息技術(shù)有限公司
• 主分類號(hào): G06F17/22
• 分類號(hào): G06F17/22
• 代理公司: 北京潤澤恒知識(shí)產(chǎn)權(quán)代理有限公司11319
• 代理人: 蘇培華

1.一種為文本添加超級(jí)鏈接的方法，其特征在于，包括：

預(yù)先生成一個(gè)超鏈詞列表，并收集各種文本，通過對(duì)各文本進(jìn)行切詞處理，生成一個(gè)特征詞列表，針對(duì)每個(gè)特征詞，分別確定其與每個(gè)超鏈詞的共現(xiàn)頻率；

針對(duì)每個(gè)待添加超級(jí)鏈接的文本X，分別進(jìn)行如下處理：

對(duì)文本X進(jìn)行切詞處理；

從切詞結(jié)果中提取出在超鏈詞列表中出現(xiàn)的超鏈詞以及在特征詞列表中出現(xiàn)的特征詞，并確定每個(gè)提取出的超鏈詞和每個(gè)提取出的特征詞的權(quán)值；

根據(jù)每個(gè)提取出的特征詞與每個(gè)提取出的超鏈詞的共現(xiàn)頻率以及每個(gè)確定出的權(quán)值，分別得到每個(gè)提取出的超鏈詞的最終權(quán)值；

按照最終權(quán)值由大到小的順序?qū)μ崛〕龅母鞒溤~進(jìn)行排序，為排序后處于前K位的超鏈詞添加超級(jí)鏈接，K為正整數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過對(duì)各文本進(jìn)行切詞處理，生成一個(gè)特征詞列表包括：

將切詞得到的所有不重復(fù)詞均作為特征詞；

或者，從切詞得到的所有不重復(fù)詞中去除高頻詞、停用詞和低頻詞，將剩余詞作為特征詞。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述針對(duì)每個(gè)特征詞，分別確定其與每個(gè)超鏈詞的共現(xiàn)頻率包括：

針對(duì)每個(gè)特征詞y和每個(gè)超鏈詞x，分別計(jì)算兩者的共現(xiàn)頻率P(x|y)：

P(x|y)＝xy共現(xiàn)次數(shù)/y出現(xiàn)次數(shù)；

其中，xy共現(xiàn)次數(shù)表示在收集到的所有文本中，同時(shí)出現(xiàn)了特征詞y和超鏈詞x的文本的個(gè)數(shù)，y出現(xiàn)次數(shù)表示在收集到的所有文本中，出現(xiàn)了特征詞y的文本的個(gè)數(shù)；

或者，

針對(duì)每個(gè)特征詞y和每個(gè)超鏈詞x，分別計(jì)算兩者的共現(xiàn)頻率P(x|y)：

P(x/y)＝H(x，y)/I(x，y)；

其中，H表示信息熵，I表示互信息。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，

所述生成一個(gè)特征詞列表之后，進(jìn)一步包括：針對(duì)每個(gè)特征詞，分別確定其逆文本頻率IDF值，IDF值通過用收集到的所有文本的個(gè)數(shù)除以出現(xiàn)了該特征詞的文本個(gè)數(shù)，再將得到的商取對(duì)數(shù)得到；

所述確定每個(gè)提取出的超鏈詞和每個(gè)提取出的特征詞的權(quán)值包括：

針對(duì)每個(gè)提取出的超鏈詞H，分別計(jì)算其權(quán)值W_H：

W_H＝TF_H*IDF_H；

其中，TF_H表示超鏈詞H的詞頻TF值，即超鏈詞H在文本X中的出現(xiàn)次數(shù)，IDF_H表示超鏈詞H的IDF值；

針對(duì)每個(gè)提取出的特征詞F，分別計(jì)算其權(quán)值W_F：

W_F＝TF_F*IDF_F；

其中，TF_F表示特征詞F的TF值，IDF_F表示特征詞F的IDF值。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)每個(gè)提取出的特征詞與每個(gè)提取出的超鏈詞的共現(xiàn)頻率以及每個(gè)確定出的權(quán)值，分別得到每個(gè)提取出的超鏈詞的最終權(quán)值包括：

針對(duì)每個(gè)提取出的超鏈詞H，分別計(jì)算其最終權(quán)值W_H’：

${W_H}^{,}=W_H*\underset{i=1}{\overset{n}{\mathrm{\Σ}}}P(H/F_i)*W_{\mathrm{Fi}};$

其中，n表示提取出的特征詞的個(gè)數(shù)。