[發(fā)明專利]關(guān)鍵短語提取方法及裝置

在審

• 申請?zhí)枺?/td>: 201611154611.7
• 申請日: 2016-12-14
• 公開（公告）號: CN108228556A
• 公開（公告）日: 2018-06-29
• 發(fā)明（設(shè)計）人: 陳萬禮
• 申請（專利權(quán)）人: 北京國雙科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 韓建偉;張永明

1.一種關(guān)鍵短語提取方法，其特征在于，包括：

獲取目標(biāo)文本；

從所述目標(biāo)文本中提取若干個候選短語，其中，每個候選短語至少包括一個左邊詞和一個右邊詞，在同一個候選短語中，左邊詞位于右邊詞的左側(cè)，右邊詞位于左邊詞的右側(cè)；

根據(jù)每個候選短語中左邊詞和右邊詞的相互關(guān)系，從所述若干個候選短語中提取出一個或者多個含有關(guān)鍵詞的候選短語作為關(guān)鍵短語。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，每個候選短語中左邊詞和右邊詞的相互關(guān)系包括以下至少之一：每個候選短語中左邊詞和右邊詞之間的互信息，每個候選短語中左邊詞的右熵，每個候選短語中右邊詞的左熵。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)每個候選短語中左邊詞和右邊詞的相互關(guān)系，從所述若干個候選短語中提取出一個或者多個含有關(guān)鍵詞的候選短語作為關(guān)鍵短語包括：

獲取每個候選短語中左邊詞和右邊詞之間的互信息的值；和/或

獲取每個候選短語中左邊詞的右熵的值；和/或

獲取每個候選短語中右邊詞的左熵的值；

根據(jù)所述互信息的值、所述左邊詞的右熵的值以及所述右邊詞的左熵的值中的至少一項確定每個候選短語的綜合值；

根據(jù)每個候選短語的綜合值，從所述若干個候選短語中選出滿足第一預(yù)設(shè)條件的候選短語；

從選出的滿足所述第一預(yù)設(shè)條件的候選短語中進(jìn)一步提取出含有關(guān)鍵詞的候選短語作為關(guān)鍵短語。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，從選出的滿足所述第一預(yù)設(shè)條件的候選短語中進(jìn)一步提取出含有關(guān)鍵詞的候選短語作為關(guān)鍵短語包括：

判斷選出的滿足所述第一預(yù)設(shè)條件的候選短語中的每一個是否包含至少一個所述關(guān)鍵詞；

若是，則將選出的滿足所述第一預(yù)設(shè)條件的候選短語中包含了至少一個所述關(guān)鍵詞的候選短語作為關(guān)鍵短語。

5.根據(jù)權(quán)利要求1至4中任一項所述的方法，其特征在于，在根據(jù)每個候選短語中左邊詞和右邊詞的相互關(guān)系，從所述若干個候選短語中提取出一個或者多個含有關(guān)鍵詞的候選短語作為關(guān)鍵短語之前，所述方法還包括：

預(yù)先從所述目標(biāo)文本中提取一個或者多個關(guān)鍵詞。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，預(yù)先從所述目標(biāo)文本中提取一個或者多個關(guān)鍵詞包括：

從所述目標(biāo)文本中提取若干個候選關(guān)鍵詞；

根據(jù)反映所述若干個候選關(guān)鍵詞中各候選關(guān)鍵詞的鄰接關(guān)系的詞語特征屬性，確定每個候選關(guān)鍵詞的綜合值；

根據(jù)每個候選關(guān)鍵詞的綜合值，從所述若干個候選關(guān)鍵詞中選出滿足第二預(yù)設(shè)條件的候選關(guān)鍵詞作為所述目標(biāo)文本的關(guān)鍵詞。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，反映所述各候選關(guān)鍵詞的鄰接關(guān)系的詞語特征屬性包括以下至少之一：覆蓋度大小，是否是標(biāo)題詞，詞性，詞頻大小，詞語在文本中出現(xiàn)的位置。

8.一種關(guān)鍵短語提取裝置，其特征在于，包括：

獲取單元，用于獲取目標(biāo)文本；

第一提取單元，用于從所述目標(biāo)文本中提取若干個候選短語，其中，每個候選短語至少包括一個左邊詞和一個右邊詞，在同一個候選短語中，左邊詞位于右邊詞的左側(cè)，右邊詞位于左邊詞的右側(cè)；

第二提取單元，用于根據(jù)每個候選短語中左邊詞和右邊詞的相互關(guān)系，從所述若干個候選短語中提取出一個或者多個含有關(guān)鍵詞的候選短語作為關(guān)鍵短語。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，每個候選短語中左邊詞和右邊詞的相互關(guān)系包括以下至少之一：每個候選短語中左邊詞和右邊詞之間的互信息，每個候選短語中左邊詞的右熵，每個候選短語中右邊詞的左熵。