[發明專利]提取文本關鍵詞的方法、裝置、設備及存儲介質在審
| 申請號： | 201810304316.8 | 申請日： | 2018-04-04 |
| 公開（公告）號： | CN108563636A | 公開（公告）日： | 2018-09-21 |
| 發明（設計）人： | 杜翠鳳 | 申請（專利權）人： | 廣州杰賽科技股份有限公司;廣州杰賽通信規劃設計院有限公司 |
| 主分類號： | G06F17/27 | 分類號： | G06F17/27 |
| 代理公司： | 廣州三環專利商標代理有限公司 44202 | 代理人： | 梁順宜;郝傳鑫 |
| 地址： | 510310 廣東省廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 分詞 文本 文本關鍵詞 詞頻 存儲介質 詞性 權重 文檔關鍵詞 分詞處理 相似度 度量 文檔 預設 匹配 | ||
1.一種提取文本關鍵詞的方法，其特征在于，包括：
對待匹配的至少兩個文本分別進行分詞處理，得到相應于每個文本的至少一個分詞；
根據預設的賦值規則，計算所述每個文本中每個分詞的詞頻分值、詞性分值及位置分值；
根據所述每個分詞的所述詞頻分值、所述詞性分值和所述位置分值，計算所述每個文本中的每個分詞的綜合權值；
根據所述每個分詞的綜合權值，計算所述每個文本中的每個分詞的權重；
根據所述每個文本中的每個分詞的權重，提取所述每個文本的關鍵詞，使得根據不同文本的關鍵詞和所述關鍵詞的權重計算不同文本之間的相似度。
2.根據權利要求1所述的提取文本關鍵詞的方法，其特征在于，所述對待匹配的至少兩個文本分別進行分詞，得到相應于每個文本的至少一個分詞，具體為：
利用分詞工具對待匹配的至少兩個文本分別進行分詞處理，生成相應于每個文本的分詞結果；
構建停用詞庫對每個所述分詞結果進行過濾，得到相應于每個文本的至少一個分詞。
3.根據權利要求1所述的提取文本關鍵詞的方法，其特征在于，所述根據所述每個分詞的所述詞頻分值、所述詞性分值和所述位置分值，計算所述每個文本中的每個分詞的綜合權值，具體為：
根據所述每個文本的所述每個分詞的所述詞頻分值、所述詞性分值和所述位置分值，生成相應于每個文本的詞語矩陣；
根據所述詞語矩陣，計算所述每個文本中的每個分詞的綜合權值。
4.根據權利要求3所述的提取文本關鍵詞的方法，其特征在于，所述根據所述詞語矩陣，計算所述每個文本中的每個分詞的綜合權值，具體為：
對于每一個文本：
計算所述詞語矩陣中每個分詞的每個特征向量的熵權；
根據所述每個分詞的每個特征向量的熵權以及與所述每個特征向量對應的分值，計算所述每個分詞的綜合權值。
5.根據權利要求1所述的提取文本關鍵詞的方法，其特征在于，所述根據所述每個分詞的綜合權值，計算所述每個文本中的每個分詞的權重，具體為：
對于每一個文本：
根據所述每個分詞的綜合權值，計算所述每個分詞之間的轉移概率；
根據所述每個分詞之間的轉移概率，計算所述每個分詞的權重。
6.根據權利要求1所述的提取文本關鍵詞的方法，其特征在于，所述待匹配的至少兩個文本中包括第一文本和第二文本；則在所述根據所述每個文本中的每個分詞的權重，提取所述每個文本的關鍵詞之后，還包括：
獲取第一文本的關鍵詞和第二文本的關鍵詞，利用正則表達式匹配生成字符串；
根據所述第一文本的每個關鍵詞的權重和所述字符串，生成第一向量矩陣；
根據所述第二文本的每個關鍵詞的權重和所述字符串，生成第二向量矩陣；
根據所述第一向量矩陣和所述第二向量矩陣，計算所述第一文本與所述第二文本之間的相似度。
7.根據權利要求6所述的提取文本關鍵詞的方法，其特征在于，所述根據所述第一向量矩陣和所述第二向量矩陣，計算所述第一文本與所述第二文本之間的相似度，具體為：
對所述第一向量矩陣和所述第二向量矩陣進行計算，得到所述第一向量矩陣和所述第二向量矩陣的夾角余弦值；
根據所述夾角余弦值的大小，得出所述第一文本與所述第二文本之間的相似度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣州杰賽科技股份有限公司;廣州杰賽通信規劃設計院有限公司，未經廣州杰賽科技股份有限公司;廣州杰賽通信規劃設計院有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810304316.8/1.html，轉載請聲明來源鉆瓜專利網。
