[發明專利]一種抽取關鍵詞的方法及裝置

有效

• 申請號: 201210212574.6
• 申請日: 2012-06-21
• 公開（公告）號: CN102779119A
• 公開（公告）日: 2012-11-14
• 發明（設計）人: 翟周偉
• 申請（專利權）人: 盤古文化傳播有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

1.一種抽取關鍵詞的方法，其特征在于，包括：

獲取文本經過詞法分析以及預處理后的詞語集合；

根據所述詞語集合，以及所述詞語集合中的各個詞語在所述文本中的語義關系，確定所述詞語集合中任意兩個詞語的語義相似度；

根據確定的所述語義相似度，計算所述詞語集合中的各個詞語的綜合測度；

根據所述各個詞語的綜合測度確定關鍵詞。

2.根據權利要求1所述的方法，其特征在于，所述根據所述詞語集合，以及所述詞語集合中的各個詞語在所述文本中的語義關系，確定所述詞語集合中任意兩個詞語的語義相似度包括：

根據所述文本，確定所述詞語集合中所述各個詞語包含的文本義項集合；

確定所述詞語集合中所述各個詞語在語義知識管理系統中的詞語義項集合；

根據所述文本義項集合和所述詞語義項集合的交集，得到所述詞語集合中所述各個詞語的目標義項集合；

根據所述各個詞語的目標義項集合，確定所述詞語集合中任意兩個詞語的語義相似度。

3.根據權利要求2所述的方法，其特征在于，所述根據確定的所述語義相似度，計算所述詞語集合中的各個詞語的綜合測度包括：

根據所述詞語集合中任意兩個詞語的語義相似度，生成所述文本的語義相似度圖；

將所述語義相似度圖劃分為至少一個意群社團，所述意群社團包括語義相近的一組詞語；

確定各個所述意群社團中包括的各個詞語節點的綜合測度參數中的至少兩個；

根據確定的至少兩個所述綜合測度參數，計算各個所述意群社團中的各個詞語的綜合測度。

4.根據權利要求3所述的方法，其特征在于，所述綜合測度參數包括：所述意群社團的社團因子權值、所述意群社團中包括的各個詞語節點的平均路徑變化量、所述各個詞語節點的聚類系數變化量、所述各個詞語節點的度、所述各個詞語節點的詞頻-倒文檔頻率以及所述各個詞語節點的區域位置權值。

5.根據權利要求3所述的方法，其特征在于，所述根據所述第一詞語集合中任意兩個詞語的語義相似度，生成所述文本的語義相似度圖；

1)當所述詞語集合中第一詞語和第二詞語的語義相似度大于或者等于語義相似度閾值時，在標識所述第一詞語的第一節點與標識所述第二詞語的第二節點之間添加一條邊，以連接所述第一節點和所述第二節點；

2)當所述詞語集合中第三詞語和第四詞語為相同的詞語時，合并標識所述第三詞語的第三節點與標識所述第四詞語的第四節點；

根據上述1)和2)生成所述文本的語義相似度圖。

6.根據權利要求1所述的方法，其特征在于，所述根據所述各個詞語的綜合測度確定關鍵詞包括：

將計算的各個所述意群社團中的所述各個詞語的綜合測度進行排序，確定所述綜合測度最大的預設個數的詞語為候選關鍵詞；

將所述候選關鍵詞進行復合，獲得所述文本的關鍵詞。

7.一種抽取關鍵詞的裝置，其特征在于，包括：

獲取單元，用于獲取文本經過詞法分析以及預處理后的詞語集合；

第一處理單元，用于根據所述詞語集合，以及所述詞語集合中的各個詞語在所述文本中的語義關系，確定所述詞語集合中任意兩個詞語的語義相似度；

第二處理單元，用于根據確定的所述語義相似度，計算所述詞語集合中的各個詞語的綜合測度；

關鍵詞確定單元，用于根據所述各個詞語的綜合測度確定關鍵詞。

8.根據權利要求7所述的裝置，其特征在于，所述第一處理單元包括：

第一確定模塊，用于根據所述文本，確定所述詞語集合中所述各個詞語包含的文本義項集合；

第二確定模塊，用于確定所述詞語集合中所述各個詞語在語義知識管理系統中的詞語義項集合；

確定目標義項集合模塊，用于根據所述文本義項集合和所述詞語義項集合的交集，得到所述詞語集合中所述各個詞語的目標義項集合；

確定語義相似度模塊，用于根據所述各個詞語的目標義項集合，確定所述第一詞語集合中任意兩個詞語的語義相似度。