[發明專利]基于萬有引力模型的關鍵詞自動抽取方法在審
| 申請號： | 201811566766.0 | 申請日： | 2018-12-21 |
| 公開（公告）號： | CN109614626A | 公開（公告）日： | 2019-04-12 |
| 發明（設計）人： | 呂學強;董志安;游新冬 | 申請（專利權）人： | 北京信息科技大學 |
| 主分類號： | G06F17/27 | 分類號： | G06F17/27 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 100192 北*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 萬有引力 詞語 自動抽取 引力 詞表 位置偏移距離 關鍵詞提取 技術規范 距離計算 客觀反映 模板規則 語義距離 傳統的 數據集 構建 句法 標注 樣本 通用 應用 改進 制定 | ||
1.一種基于萬有引力模型的關鍵詞自動抽取方法，其特征在于，包括：
步驟1)構建通用詞表；步驟2)表示詞語質量；步驟3)計算詞語距離；步驟4)計算詞間引力。
2.根據權利要求1所述的關鍵詞自動抽取方法，其特征在于，在步驟1)中，結合信息熵原理引入詞頻-文檔分布熵的概念自動構建通用詞表，將單詞w看作隨機變量，詞頻-文檔分布熵是指單詞w在文檔集中分布狀態的不確定性度量。
3.根據權利要求1所述的關鍵詞自動抽取方法，其特征在于，在步驟1)中，設包含n個文本的文檔集表示為D＝{d1，d2...di...dn}，記單詞w的詞頻-文檔分布熵為H(w)，則H(w)計算公式為
其中P(w，di)為單詞w在文檔di中出現的概率，根據最大似然估計法，P(w，di)計算公式為
f(w，di)為單詞w在文檔di中出現的次數。
4.根據權利要求1-3所述的關鍵詞自動抽取方法，其特征在于，在步驟2)中，以當前文本中最大詞長為參考標準，以wi詞長與最大詞長的比值為基數，同時結合單詞內部大寫字母個數與詞長之比計算長度權重Len(wi)，
其中，u為大寫字母個數，為單詞詞長，lmax為當前文本中的最大詞長；計算詞語外部重要性Ex(wi)的公式為
fre(wi)為單詞wi在當前文檔中出現的頻率，N表示文檔集中的文本總數，為包含單詞wi的文本數目；
將詞語關聯度作為單詞的內部重要性度量，綜合內部重要性和外部重要性表示單詞wi的質量M(wi)。
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北京信息科技大學，未經北京信息科技大學許可，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/201811566766.0/1.html，轉載請聲明來源鉆瓜專利網。
