[發(fā)明專利]關(guān)鍵詞提取方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201510874564.2
• 申請(qǐng)日: 2015-12-02
• 公開（公告）號(hào): CN105426361A
• 公開（公告）日: 2016-03-23
• 發(fā)明（設(shè)計(jì)）人: 張昊;朱頻頻
• 申請(qǐng)（專利權(quán)）人: 上海智臻智能網(wǎng)絡(luò)科技股份有限公司
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27
• 代理公司: 工業(yè)和信息化部電子專利中心 11010
• 代理人: 秦瑩

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，特別是涉及一種關(guān)鍵詞提取方法及裝置。

背景技術(shù)

在現(xiàn)有技術(shù)中，在對(duì)某一個(gè)領(lǐng)域內(nèi)的多篇文檔組成的語(yǔ)料提取關(guān)鍵詞時(shí)，多是人工審核該領(lǐng)域內(nèi)的語(yǔ)料，并總結(jié)文本語(yǔ)義，提取關(guān)鍵詞，從而對(duì)用戶的語(yǔ)義進(jìn)行理解。因此，現(xiàn)有技術(shù)方案存在關(guān)鍵詞提取效率低、成本高、容易漏檢的問題。

發(fā)明內(nèi)容

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的關(guān)鍵詞提取方法及裝置。

本發(fā)明提供一種關(guān)鍵詞提取方法，包括：

提供一領(lǐng)域內(nèi)的語(yǔ)料數(shù)據(jù)，語(yǔ)料數(shù)據(jù)包括多個(gè)文檔；

對(duì)語(yǔ)料數(shù)據(jù)進(jìn)行預(yù)處理，得到文本數(shù)據(jù)；

對(duì)文本數(shù)據(jù)進(jìn)行分詞處理，得到多個(gè)語(yǔ)料詞語(yǔ)；

對(duì)語(yǔ)料詞語(yǔ)進(jìn)行過濾處理，得到多個(gè)候選詞；

為每個(gè)候選詞設(shè)置初始權(quán)重值；

根據(jù)候選詞在每個(gè)文檔中的共現(xiàn)關(guān)系調(diào)整候選詞的初始權(quán)重值，得到候選詞在每個(gè)文檔中的最終權(quán)重值；

根據(jù)最終權(quán)重值確定每個(gè)文檔的關(guān)鍵詞。

本發(fā)明還提供了一種關(guān)鍵詞提取裝置，包括：

提供模塊，用于提供一領(lǐng)域內(nèi)的語(yǔ)料數(shù)據(jù)，語(yǔ)料數(shù)據(jù)包括多個(gè)文檔；

預(yù)處理模塊，用于對(duì)語(yǔ)料數(shù)據(jù)進(jìn)行預(yù)處理，得到文本數(shù)據(jù)；

分詞模塊，用于對(duì)文本數(shù)據(jù)進(jìn)行分詞處理，得到多個(gè)語(yǔ)料詞語(yǔ)；

過濾模塊，用于對(duì)語(yǔ)料詞語(yǔ)進(jìn)行過濾處理，得到多個(gè)候選詞；

設(shè)置模塊，用于為每個(gè)候選詞設(shè)置初始權(quán)重值；

調(diào)整模塊，用于根據(jù)候選詞在每個(gè)文檔中的共現(xiàn)關(guān)系調(diào)整候選詞的初始權(quán)重值，得到候選詞在每個(gè)文檔中的最終權(quán)重值；

確定模塊，用于根據(jù)最終權(quán)重值確定每個(gè)文檔的關(guān)鍵詞。

本發(fā)明有益效果如下：

通過對(duì)某一領(lǐng)域內(nèi)所有語(yǔ)料進(jìn)行預(yù)處理、分詞和過濾后得到候選詞，根據(jù)每個(gè)候選詞的權(quán)重最終獲取語(yǔ)料的關(guān)鍵詞，解決了現(xiàn)有技術(shù)中關(guān)鍵詞提取效率低、成本高、容易漏檢的問題，借助于本發(fā)明實(shí)施例的技術(shù)方案，能夠自動(dòng)提取某一領(lǐng)域中語(yǔ)料的關(guān)鍵詞，關(guān)鍵詞提取的準(zhǔn)確率高，成本低，不會(huì)發(fā)生漏檢，從而提高了語(yǔ)義理解的執(zhí)行效率，能夠更準(zhǔn)確的根據(jù)關(guān)鍵詞執(zhí)行后續(xù)操作。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明

通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

圖1是本發(fā)明實(shí)施例的關(guān)鍵詞提取方法的流程圖；

圖2是本發(fā)明實(shí)施例的關(guān)鍵詞提取方法的詳細(xì)處理的流程圖；

圖3是本發(fā)明實(shí)施例的關(guān)鍵詞提取裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

為了解決現(xiàn)有技術(shù)中關(guān)鍵詞提取效率低、成本高、容易漏檢的問題，本發(fā)明提供了一種關(guān)鍵詞提取方法及裝置，以下結(jié)合附圖以及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不限定本發(fā)明。

方法實(shí)施例

根據(jù)本發(fā)明的實(shí)施例，提供了一種關(guān)鍵詞提取方法，圖1是本發(fā)明實(shí)施例的關(guān)鍵詞提取方法的流程圖。

如圖1所示，根據(jù)本發(fā)明實(shí)施例的關(guān)鍵詞提取方法包括如下處理：

步驟101，提供一領(lǐng)域內(nèi)的語(yǔ)料數(shù)據(jù)，語(yǔ)料數(shù)據(jù)包括多個(gè)文檔；也就是說(shuō)，語(yǔ)料數(shù)據(jù)是由某一個(gè)領(lǐng)域內(nèi)互相獨(dú)立的多個(gè)文檔所組成的。

步驟102，對(duì)語(yǔ)料數(shù)據(jù)進(jìn)行預(yù)處理，得到文本數(shù)據(jù)；在步驟102中，預(yù)處理包括：將語(yǔ)料數(shù)據(jù)的格式統(tǒng)一為文本格式，過濾臟詞、敏感詞和停用詞中的一種或多種，并將過濾后的文本數(shù)據(jù)按照標(biāo)點(diǎn)劃分為多行。例如，上述標(biāo)點(diǎn)可以是問號(hào)、嘆號(hào)、分號(hào)或句號(hào)，也就是說(shuō)，可以將過濾后的文本數(shù)據(jù)按照問號(hào)、嘆號(hào)、分號(hào)或句號(hào)劃分為多行。