[發(fā)明專(zhuān)利]一種賽事文字直播關(guān)鍵句抽取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810310247.1
• 申請(qǐng)日: 2018-04-09
• 公開(kāi)（公告）號(hào): CN108549636A
• 公開(kāi)（公告）日: 2018-09-18
• 發(fā)明（設(shè)計(jì)）人: 呂學(xué)強(qiáng);董志安
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京信息科技大學(xué);呂學(xué)強(qiáng)
• 主分類(lèi)號(hào): G06F17/27
• 分類(lèi)號(hào): G06F17/27;G06F17/30;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種賽事文字直播關(guān)鍵句抽取方法，其特征在于，包括：

步驟一：利用Word2Vec進(jìn)行關(guān)鍵詞擴(kuò)展，得到得分相關(guān)詞集和其他相關(guān)詞集，將得分相關(guān)詞集、其他相關(guān)詞集再加上比分特征和時(shí)間特征共同構(gòu)成關(guān)鍵句抽取特征；

步驟二：把關(guān)鍵句抽取轉(zhuǎn)換為二分類(lèi)問(wèn)題，利用Adaboost算法進(jìn)行分類(lèi)。

2.根據(jù)權(quán)利要求1所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，步驟一包括：利用Word2Vec工具把背景語(yǔ)料中的詞語(yǔ)用向量進(jìn)行形式化表示，把對(duì)文本的處理簡(jiǎn)化為向量空間中的向量運(yùn)算，通過(guò)計(jì)算向量空間上的相似度來(lái)表示文本語(yǔ)義上的相似度，實(shí)現(xiàn)相關(guān)詞擴(kuò)展。

3.根據(jù)權(quán)利要求1-2所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，步驟一還包括：在將詞表示為相應(yīng)的向量形式后，向訓(xùn)練后得到的詞向量文件中輸入關(guān)鍵詞，通過(guò)計(jì)算余弦距離，輸出在一定閾值內(nèi)或者一定的順序與該關(guān)鍵詞在語(yǔ)義上相似的詞語(yǔ)，從而得到關(guān)鍵詞的相關(guān)詞集。

4.根據(jù)權(quán)利要求1-3所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，余弦距離的計(jì)算如下式所示：

5.根據(jù)權(quán)利要求1-4所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，步驟一包括：

基于Skip-gram模型，并采用Hierarchical Softmax方法進(jìn)行優(yōu)化訓(xùn)練；利用當(dāng)前詞的詞向量預(yù)測(cè)指定窗口上下文的詞向量，假設(shè)給定訓(xùn)練特征數(shù)據(jù)w₁，w₂，w₃…w_T，則Skip-gram模型的目標(biāo)函數(shù)為：

采用Hierarchical Softmax算法，該算法利用Huffman二叉樹(shù)表示特征詞，將輸出層的T個(gè)單詞作為葉子結(jié)點(diǎn)，將每個(gè)詞的出現(xiàn)頻次作為權(quán)重進(jìn)行編碼，對(duì)高頻詞分配較短路徑，低頻詞分配較長(zhǎng)路徑，從而每個(gè)單詞都可以從樹(shù)的根結(jié)點(diǎn)沿著唯一的一條路徑被訪(fǎng)問(wèn)到，p(u|w)函數(shù)定義如下：

采用梯度下降法來(lái)求解目標(biāo)函數(shù)，生成單詞的詞向量表示形式。

6.根據(jù)權(quán)利要求1-5所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，得分相關(guān)詞是與得分相關(guān)的詞語(yǔ)；步驟一包括：通過(guò)手工收集一些得分關(guān)鍵詞，然后利用Word2Vec對(duì)得分關(guān)鍵詞進(jìn)行相關(guān)詞擴(kuò)展形成得分相關(guān)詞集，統(tǒng)計(jì)句子中是否包含得分相關(guān)詞以及包含得分相關(guān)詞的個(gè)數(shù)，來(lái)作為關(guān)鍵句的抽取特征。

7.根據(jù)權(quán)利要求1-6所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，步驟一包括：通過(guò)手工收集一些其他關(guān)鍵詞，然后利用Word2Vec對(duì)這些基本的其他關(guān)鍵詞進(jìn)行相關(guān)詞擴(kuò)展形成其他相關(guān)詞集，統(tǒng)計(jì)句子中是否包含其他相關(guān)詞以及包含其他相關(guān)詞的個(gè)數(shù)，并將其作為關(guān)鍵句的抽取特征。

8.根據(jù)權(quán)利要求1-7所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，步驟一包括：定義一個(gè)時(shí)間函數(shù)，通過(guò)函數(shù)判定句子是否在特定的時(shí)間范圍內(nèi)，并對(duì)此賦予不同的權(quán)重，來(lái)描述不同時(shí)間段的重要程度，其函數(shù)定義如下：

F(s)＝pf₁(s)+qf₂(s)+rf₃(s)；

把時(shí)間特征作為關(guān)鍵句抽取的一項(xiàng)特征。

9.根據(jù)權(quán)利要求1-8所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，比分特征包括比分較上一條的比分變化、球隊(duì)累計(jì)得分、球員累計(jì)得分、球隊(duì)累計(jì)不得分；如果這條文字直播與上條文字直播相比，得分有變化，取變化的數(shù)量作為特征，；如果一個(gè)球隊(duì)持續(xù)累計(jì)得分越多，則越重要，以累計(jì)得分作為特征；如果一個(gè)球員累計(jì)得分越多，說(shuō)明該球員的表現(xiàn)比較好；如果一個(gè)球隊(duì)累計(jì)不得分，則把累計(jì)不得分的時(shí)間作為特征。

10.根據(jù)權(quán)利要求1-9所述的賽事文字直播關(guān)鍵句抽取方法，其特征在于，步驟二包括：把文字直播的關(guān)鍵句抽取轉(zhuǎn)換為二分類(lèi)問(wèn)題，分為關(guān)鍵句和非關(guān)鍵句，對(duì)文字直播文本進(jìn)行二分類(lèi)，關(guān)鍵句標(biāo)簽為1，非關(guān)鍵句標(biāo)簽為-1；利用分類(lèi)與回歸樹(shù)進(jìn)行不斷迭代得到一個(gè)強(qiáng)分類(lèi)器，進(jìn)行二分類(lèi)，輸出標(biāo)簽為1的屬于關(guān)鍵句，輸出標(biāo)簽為-1的為非關(guān)鍵句。