[發明專利]一種關鍵詞提取方法以及提取設備

有效

• 申請號: 201611222992.8
• 申請日: 2016-12-26
• 公開（公告）號: CN108241611B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 賀達;孫德彬
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F16/953
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種關鍵詞提取方法，其特征在于，包括：

提取設備獲取第一文本集合中各第一文本的關鍵詞和第二文本集合中各第二文本的關鍵詞，所述各第一文本為發布時間在選定時間段內的文本，所述各第二文本為發布時間在選定歷史時間段內的文本，所述選定時間段晚于所述選定歷史時間段；

所述提取設備根據所述各第一文本的關鍵詞得到第一數據，所述第一數據包括第一關鍵詞集合和各第一關鍵詞對應的詞頻；

所述提取設備根據所述各第二文本的關鍵詞得到第二數據，所述第二數據包括第二關鍵詞集合和各第二關鍵詞對應的詞頻，所述第二關鍵詞集合包括所述第一關鍵詞集合的子集或全集；

所述提取設備根據所述第一數據和所述第二數據計算所述第一關鍵詞集合中各第一關鍵詞的權重系數，所述權重系數與所述各第一關鍵詞在所述第一文本集合和所述第二文本集合的詞頻的差異有關，所述第一關鍵詞在所述第一文本集合和所述第二文本集合的詞頻相差越大，所述第一關鍵詞的權重系數也越大；

基于所述第一關鍵詞集合，所述提取設備根據所述權重系數確定目標關鍵詞；

所述提取設備根據所述第一數據和所述第二數據計算所述第一關鍵詞集合中各第一關鍵詞的權重系數包括：

按照如下方式計算所述各第一關鍵詞的權重系數：

S_AX＝F_AX/F_A-MAX*100；

S_BX＝F_BX/F_B-MAX*100；

所述S_AX為所述第一關鍵詞集合中的關鍵詞X在所述第一數據中的詞頻相對值，所述F_AX為所述關鍵詞X在所述第一數據中的詞頻，所述F_A-MAX為所述第一數據中的最大詞頻，所述S_BX為所述關鍵詞X在所述第二數據中的詞頻相對值，所述F_BX為所述關鍵詞X在所述第二數據中的詞頻，所述F_B-MAX為所述第二數據中的最大詞頻；

當S_AX+(1/S_AX)≥S_BX時，Z_X＝(S_AX-S_BX)*(1+(S_AX-S_BX)/S_AX)；

當S_AX+(1/S_AX)＜S_BX時，Z_X＝S_AX-S_BX；

所述Z_X為所述關鍵詞X的權重系數。

2.根據權利要求1所述的關鍵詞提取方法，其特征在于，所述提取設備根據所述各第一文本的關鍵詞得到第一數據包括：

所述提取設備將所述各第一文本的關鍵詞進行去重處理得到所述第一關鍵詞集合；

所述提取設備統計所述各第一關鍵詞在所述第一文本集合中出現的次數得到所述各第一關鍵詞對應的詞頻。

3.根據權利要求1所述的關鍵詞提取方法，其特征在于，所述提取設備根據所述各第二文本的關鍵詞得到第二數據包括：

所述提取設備將所述各第二文本的關鍵詞進行去重處理得到所述第二關鍵詞集合；

所述提取設備統計所述各第二關鍵詞在所述第二文本集合中出現的次數得到所述各第二關鍵詞對應的詞頻。

4.根據權利要求1至3中任一項所述的關鍵詞提取方法，其特征在于，所述提取設備根據所述權重系數確定目標關鍵詞包括：

當所述第一關鍵詞集合中存在權重系數大于預置系數的關鍵詞時，所述提取設備確認所述權重系數大于預置系數的關鍵詞為所述目標關鍵詞；或，

所述提取設備按照權重系數從大到小的順序從所述第一關鍵詞集合中選取預置數目個關鍵詞作為所述目標關鍵詞。