[發(fā)明專利]基于萬有引力模型的關(guān)鍵詞自動抽取方法在審
| 申請?zhí)枺?/td> | 201811566766.0 | 申請日： | 2018-12-21 |
| 公開（公告）號： | CN109614626A | 公開（公告）日： | 2019-04-12 |
| 發(fā)明（設(shè)計）人： | 呂學(xué)強;董志安;游新冬 | 申請（專利權(quán)）人： | 北京信息科技大學(xué) |
| 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(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 萬有引力 詞語 自動抽取 引力 詞表 位置偏移距離 關(guān)鍵詞提取 技術(shù)規(guī)范 距離計算 客觀反映 模板規(guī)則 語義距離 傳統(tǒng)的 數(shù)據(jù)集 構(gòu)建 句法 標(biāo)注 樣本 通用 應(yīng)用 改進(jìn) 制定 | ||
1.一種基于萬有引力模型的關(guān)鍵詞自動抽取方法，其特征在于，包括：
步驟1)構(gòu)建通用詞表；步驟2)表示詞語質(zhì)量；步驟3)計算詞語距離；步驟4)計算詞間引力。
2.根據(jù)權(quán)利要求1所述的關(guān)鍵詞自動抽取方法，其特征在于，在步驟1)中，結(jié)合信息熵原理引入詞頻-文檔分布熵的概念自動構(gòu)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(tài)的不確定性度量。
3.根據(jù)權(quán)利要求1所述的關(guān)鍵詞自動抽取方法，其特征在于，在步驟1)中，設(shè)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(xiàn)的概率，根據(jù)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(xiàn)的次數(shù)。
4.根據(jù)權(quán)利要求1-3所述的關(guān)鍵詞自動抽取方法，其特征在于，在步驟2)中，以當(dāng)前文本中最大詞長為參考標(biāo)準(zhǔn)，以wi詞長與最大詞長的比值為基數(shù)，同時結(jié)合單詞內(nèi)部大寫字母個數(shù)與詞長之比計算長度權(quán)重Len(wi)，
其中，u為大寫字母個數(shù)，為單詞詞長，lmax為當(dāng)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(dāng)前文檔中出現(xiàn)的頻率，N表示文檔集中的文本總數(shù)，為包含單詞wi的文本數(shù)目；
將詞語關(guān)聯(lián)度作為單詞的內(nèi)部重要性度量，綜合內(nèi)部重要性和外部重要性表示單詞wi的質(zhì)量M(wi)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京信息科技大學(xué)，未經(jīng)北京信息科技大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811566766.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
