[發明專利]一種面向司法文本數據的關鍵詞提取方法及系統

有效

• 申請號: 201910237329.2
• 申請日: 2019-03-27
• 公開（公告）號: CN110059311B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 張云云;王開紅;丁鍇;陳濤;蔣立靚;胡慷;沈曉宇;陳寅峰
• 申請（專利權）人: 銀江技術股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/216;G06F40/242;G06F16/36;G06F16/951;G06Q50/18
• 代理公司: 杭州之江專利事務所(普通合伙) 33216
• 代理人: 張慧英

1.一種面向司法文本數據的關鍵詞提取方法，其特征在于，包括如下步驟：

(1)采集并預處理司法文本數據，對司法文本數據進行分詞、停用詞去除，獲取詞語；

(2)構建關鍵詞詞典，并設置關鍵詞詞典標注詞初始權值w_initial；

(3)利用TF_IDF模型計算文檔d_j中詞語word_i的TF_IDF權重，作歸一化處理得到TF_IDF權重歸一化值tfidf_{ij_norm}；根據詞語word_i在文檔d_j中出現的位置計算標題詞權值W_title(word_ij)；利用詞語word_i在文檔d_j中的出現范圍計算全局性權值W_global(word_ij)；

(4)基于關鍵詞初始權值w_initial、標題詞權值W_title(word_ij)、全局性權重值W_global(word_ij)、TF_IDF權重歸一化值tfidf_{ij_norm}計算得到詞語word_i在文檔d_j中的總體權值

(5)計算文檔d_j所有詞語的權重，按照詞語的權重大小進行降序排列，將權值排在前k為的詞語作為文檔d_j的關鍵詞。

2.根據權利要求1所述的一種面向司法文本數據的關鍵詞提取方法，其特征在于：所述分詞采用司法專業詞匯標注表，所述的司法專業詞匯標注表通過提取法律相關名稱詞典和專業詞庫、組合常規詞及人工復檢的方法構建。

3.根據權利要求1所述的一種面向司法文本數據的關鍵詞提取方法，其特征在于：所述步驟(2)的具體步驟如下：

(2.1)采集各司法網站的關鍵詞搜索詞匯，作為第一詞典標注詞，并設置該類詞典標注詞的權重w_initial1；

(2.2)統計步驟(1)獲取的詞語的詞頻，將詞頻在設定閾值范圍內的詞語作為第二詞典標注詞，并設置該類詞典標注詞的權重w_initial2；

(2.3)將第一詞典標注詞和第二詞典標注詞合并，構建關鍵詞詞典，如果有重復出現的詞典標注詞，取較大的權重作為對應詞的初始權值w_initial。