[發明專利]一種確定作品關鍵詞的方法和設備

有效

• 申請號: 201410103253.1
• 申請日: 2014-03-19
• 公開（公告）號: CN103942189B
• 公開（公告）日: 2017-09-15
• 發明（設計）人: 代大攀;姚旭;樊開元
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 北京漢昊知識產權代理事務所(普通合伙)11370
• 代理人: 羅朋,周建華

1.一種確定作品關鍵詞的方法，其中，該方法包括以下步驟：

獲取至少一個作品所對應的作品文本信息；

根據所述作品文本信息所對應的切詞的詞頻屬性，并結合預定屬性閾值，確定候選關鍵詞；

將所述候選關鍵詞并入引導詞集，以獲得關鍵詞集，其中，所述引導詞集預置有用于引導作品關鍵詞標注的引導詞；

分別確定所述至少一個作品中每個作品所對應的作品文本信息命中所述關鍵詞集的候選作品關鍵詞，以作為分別對應所述每個作品的候選作品關鍵詞；

在所述關鍵詞集中，確定與所述候選作品關鍵詞的共現率高于預定共現閾值的派生詞；

將所述候選作品關鍵詞與所述派生詞作為對應所述每個作品的作品關鍵詞。

2.根據權利要求1所述的方法，其中，該方法還包括：

根據所述詞頻屬性，計算所述作品關鍵詞的權重值；

根據所述權重值，將所述作品關鍵詞提供給用戶。

3.根據權利要求2所述的方法，其中，對于所述作品關鍵詞所包括的派生詞，所述計算權重值的步驟還包括：

根據所述派生詞的詞頻屬性，并結合所述派生詞的衰減系數和派生頻次，確定所述派生詞的權重值。

4.根據權利要求2或3所述的方法，其中，該方法還包括：

獲取用戶所選擇的作品關鍵詞；

根據所述作品關鍵詞，將對應所述作品關鍵詞的作品提供給所述用戶。

5.根據權利要求1所述的方法，其中，該方法還包括：

對所述作品文本信息進行預處理，以獲得所述作品文本信息所對應的切詞；

其中，所述預處理包括以下至少任一項：

切詞處理；

詞性識別處理；

停用詞過濾處理。

6.根據權利要求1所述的方法，其中，該方法還包括：

根據所述作品文本信息所對應的切詞在所述作品文本信息中的位置信息，確定所述切詞的詞頻屬性。

7.根據權利要求1所述的方法，其中，所述詞頻屬性包括以下至少任一項：

詞匯頻率；

逆文檔頻率。

8.一種確定作品關鍵詞的設備，其中，該設備包括：

用于獲取至少一個作品所對應的作品文本信息的裝置；

用于根據所述作品文本信息所對應的切詞的詞頻屬性，并結合預定屬性閾值，確定候選關鍵詞的裝置；

用于將所述候選關鍵詞并入引導詞集，以獲得關鍵詞集的裝置，其中，所述引導詞集預置有用于引導作品關鍵詞標注的引導詞；

用于分別確定所述至少一個作品中每個作品所對應的作品文本信息命中所述關鍵詞集的候選作品關鍵詞，以作為分別對應所述每個作品的候選作品關鍵詞的裝置；

用于在所述關鍵詞集中，確定與所述候選作品關鍵詞的共現率高于預定共現閾值的派生詞的裝置；

用于將所述候選作品關鍵詞與所述派生詞作為對應所述每個作品的作品關鍵詞的裝置。

9.根據權利要求8所述的設備，其中，該設備還包括：

用于根據所述詞頻屬性，計算所述作品關鍵詞的權重值的裝置；

用于根據所述權重值，將所述作品關鍵詞提供給用戶的裝置。

10.根據權利要求9所述的設備，其中，對于所述作品關鍵詞所包括的派生詞，所述用于計算權重值的裝置還用于：

根據所述派生詞的詞頻屬性，并結合所述派生詞的衰減系數和派生頻次，確定所述派生詞的權重值。

11.根據權利要求9或10所述的設備，其中，該設備還包括：

用于獲取用戶所選擇的作品關鍵詞的裝置；

用于根據所述作品關鍵詞，將對應所述作品關鍵詞的作品提供給所述用戶的裝置。

12.根據權利要求8所述的設備，其中，該設備還包括：

用于對所述作品文本信息進行預處理，以獲得所述作品文本信息所對應的切詞的裝置；

其中，所述預處理包括以下至少任一項：

切詞處理；

詞性識別處理；

停用詞過濾處理。

13.根據權利要求8所述的設備，其中，該設備還包括：

用于根據所述作品文本信息所對應的切詞在所述作品文本信息中的位置信息，確定所述切詞的詞頻屬性的裝置。

14.根據權利要求8所述的設備，其中，所述詞頻屬性包括以下至少任一項：

詞匯頻率；

逆文檔頻率。