[發明專利]關鍵詞提取方法及裝置

有效

• 申請號: 201610409544.2
• 申請日: 2016-06-12
• 公開（公告）號: CN106649422B
• 公開（公告）日: 2019-05-03
• 發明（設計）人: 徐云恒;馮文仲;熊勝;吳勤華;楊晶蕾
• 申請（專利權）人: 中國移動通信集團湖北有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F17/27
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 張穎玲;張振偉

1.一種關鍵詞提取方法，其特征在于，所述方法包括：

解析待分析短信，得到各所述待分析短信所屬的類別；

從屬于同一類別的待分析短信的內容中提取出與預設詞庫匹配的候選關鍵詞；

解析所提取的候選關鍵詞得到相應候選關鍵詞的特征；

從所提取的候選關鍵詞中提取出與預設特征匹配的目標關鍵詞；

其中，所述從所提取的候選關鍵詞中提取出與預設特征匹配的目標關鍵詞，包括：

根據所述候選關鍵詞的詞頻統計特性，獲取所述候選關鍵詞中最高詞頻關鍵詞和所述候選關鍵詞中詞頻由高到低選取的次高頻關鍵詞集；

根據所述最高詞頻關鍵詞與待分析短信的對應關系，依次提取滿足預設組合關鍵詞長度的組合關鍵詞；其中，所述組合關鍵詞為：由所述最高詞頻的關鍵詞依次與所述最高詞頻的關鍵詞對應的待分析短信中與所述最高詞頻的關鍵詞同時存在的所述次高頻關鍵詞集中的前N個關鍵詞組合成的組合關鍵詞，其中，所述N大于/等于1；其中，所述目標關鍵詞包括最高詞頻關鍵詞和組合關鍵詞。

2.根據權利要求1所述的方法，其特征在于，所述解析待分析短信，得到各所述待分析短信所屬的類別，包括：

根據第一預置相似度閾值對所述待分析短信進行切分，判定滿足第二預置相似度閾值的待分析短信；

根據所述滿足第二預置相似度閾值的待分析短信的字符串特征，獲取所述滿足第二預置相似度閾值的待分析短信的相似度；

根據所述滿足第二預置相似度閾值的待分析短信的相似度，得到各所述待分析短信所屬的類別。

3.根據權利要求1所述的方法，其特征在于，所述從屬于同一類別的待分析短信的內容中提取出與預設詞庫匹配的候選關鍵詞，包括：

確定屬于同一類別的待分析短信的內容與預設分詞詞庫匹配時，則提取出所述同一類別的待分析短信的詞序列；

確定所述同一類別的待分析短信的詞序列與預設有效詞詞庫匹配時，則提取出與預設有效詞庫匹配的所述候選關鍵詞；其中，所述預設詞庫包括預設分詞詞庫和預設有效詞詞庫。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

判定組合關鍵詞之間存在包含關系時，從具有包含關系的組合關鍵詞中刪除被包含的組合關鍵詞；和/或，

判定最高詞頻關鍵詞之間存在包含關系時，從具有包含關系的最高詞頻關鍵詞中刪除包含的最高詞頻關鍵詞；和/或，

判定目標關鍵詞從服務器攔截的短信中包含的所述待分析短信的準確率小于預置準確率閾值時，從目標關鍵詞中刪除準確率小于預置準確率閾值的關鍵詞。

5.一種關鍵詞提取裝置，其特征在于，所述裝置包括：

第一解析模塊，用于解析待分析短信，得到各所述待分析短信所屬的類別；

第一提取模塊，用于從屬于同一類別的待分析短信的內容中提取出與預設詞庫匹配的候選關鍵詞；

第二解析模塊，用于解析所提取的候選關鍵詞得到相應候選關鍵詞的特征；

第二提取模塊，用于從所提取的候選關鍵詞中提取出與預設特征匹配的目標關鍵詞；

其中，所述第二提取模塊，具體用于：

根據所述候選關鍵詞的詞頻統計特性，獲取所述候選關鍵詞中最高詞頻關鍵詞和所述候選關鍵詞中詞頻由高到低選取的次高頻關鍵詞集；

根據所述最高詞頻關鍵詞與待分析短信的對應關系，依次提取滿足預設組合關鍵詞長度的組合關鍵詞；其中，所述組合關鍵詞為：由所述最高詞頻的關鍵詞依次與所述最高詞頻的關鍵詞對應的待分析短信中與所述最高詞頻的關鍵詞同時存在的所述次高頻關鍵詞集中的前N個關鍵詞組合成的組合關鍵詞，其中，所述N大于/等于1；其中，所述目標關鍵詞包括最高詞頻關鍵詞和組合關鍵詞。

6.根據權利要求5所述的裝置，其特征在于，所述第一解析模塊，具體用于：

根據第一預置相似度閾值對所述待分析短信進行切分，判定滿足第二預置相似度閾值的待分析短信；

根據所述滿足第二預置相似度閾值的待分析短信的字符串特征，獲取所述滿足第二預置相似度閾值的待分析短信的相似度；

根據所述滿足第二預置相似度閾值的待分析短信的相似度，得到各所述待分析短信所屬的類別。