[發(fā)明專利]一種文檔關(guān)鍵詞提取及基于文檔匹配商品的方法

在審

• 申請?zhí)枺?/td>: 201910553323.6
• 申請日: 2019-06-25
• 公開（公告）號: CN110287289A
• 公開（公告）日: 2019-09-27
• 發(fā)明（設(shè)計(jì)）人: 周楠;徐翔
• 申請（專利權(quán)）人: 北京金海群英網(wǎng)絡(luò)信息技術(shù)有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/335;G06Q30/06
• 代理公司: 北京市盈科律師事務(wù)所 11344
• 代理人: 李兆嶺

1.一種目標(biāo)文檔關(guān)鍵詞提取方法，其特征在于，包括如下步驟：

S210，利用TextRank技術(shù)，獲得目標(biāo)文檔中m個(gè)詞的權(quán)重；

S220，在m個(gè)初始關(guān)鍵詞中，選擇權(quán)重靠前的n個(gè)詞作為初始關(guān)鍵詞，其中，n≦m；

S230，基于預(yù)定的策略，分別確定目標(biāo)文檔中j個(gè)詞的預(yù)定IDF值；

S240，利用TF-IDF，分別確定目標(biāo)文檔中j個(gè)詞在目標(biāo)文檔中的TF值；

S250，基于預(yù)定IDF值和TF值，利用TF-IDF技術(shù)確定j個(gè)詞的TF-IDF權(quán)重；

S260，在j個(gè)詞中，選擇權(quán)重靠前的k個(gè)詞作為校驗(yàn)關(guān)鍵詞；其中，k≦j；

S270，判斷各初始關(guān)鍵詞是否屬于校驗(yàn)關(guān)鍵詞，如果為是，則將該初始關(guān)鍵詞作為文檔關(guān)鍵詞，并輸出。

2.根據(jù)權(quán)利要求1所述的目標(biāo)文檔關(guān)鍵詞提取方法，其特征在于，所述步驟S210中，利用TextRank技術(shù)，獲得目標(biāo)文檔中所有詞的權(quán)重。

3.根據(jù)權(quán)利要求1或2所述的目標(biāo)文檔關(guān)鍵詞提取方法，其特征在于，所述步驟S230具體包括：

判斷文檔指數(shù)X是否大于Y；如果是，則基于預(yù)置IDF數(shù)據(jù)庫的數(shù)據(jù)及目標(biāo)文檔，利用TF-IDF技術(shù)，更新IDF數(shù)據(jù)庫的數(shù)據(jù)，并使X歸0；如果否，則使X+1；然后從預(yù)置IDF數(shù)據(jù)庫獲取相應(yīng)詞的IDF值，該IDF值作為相應(yīng)詞的預(yù)定IDF值；所述IDF數(shù)據(jù)庫存儲(chǔ)有預(yù)定的詞與各詞對應(yīng)的IDF值。

4.根據(jù)權(quán)利要求3所述的目標(biāo)文檔關(guān)鍵詞提取方法，其特征在于，在步驟S230中：如果否，還包括將目標(biāo)文檔標(biāo)記為待更新目標(biāo)文檔的步驟；

基于預(yù)置IDF數(shù)據(jù)庫的數(shù)據(jù)及目標(biāo)文檔，利用TF-IDF技術(shù)，更新IDF數(shù)據(jù)庫的數(shù)據(jù)，具體為：基于預(yù)置IDF數(shù)據(jù)庫的數(shù)據(jù)、當(dāng)前目標(biāo)文檔及待更新目標(biāo)文檔。

5.根據(jù)權(quán)利要求3所述的目標(biāo)文檔關(guān)鍵詞提取方法，其特征在于，在所述步驟S230中，更新IDF數(shù)據(jù)庫的數(shù)據(jù)包括更新存儲(chǔ)的詞及對應(yīng)相應(yīng)詞的IDF值。

6.根據(jù)權(quán)利要求1或2所述的目標(biāo)文檔關(guān)鍵詞提取方法，其特征在于，所述步驟S230具體包括：基于預(yù)置IDF數(shù)據(jù)庫的數(shù)據(jù)及目標(biāo)文檔，利用TF-IDF技術(shù)，更新IDF數(shù)據(jù)庫的數(shù)據(jù)；從預(yù)置IDF數(shù)據(jù)庫獲取相應(yīng)詞的IDF值，該IDF值作為相應(yīng)詞的預(yù)定IDF值；所述IDF數(shù)據(jù)庫存儲(chǔ)有預(yù)定的詞與各詞對應(yīng)的IDF值。

7.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的目標(biāo)文檔關(guān)鍵詞提取方法，其特征在于，在所述步驟S230中，基于預(yù)定的策略，分別確定目標(biāo)文檔中所有詞的預(yù)定IDF值；

在所述步驟S240中，利用TF-IDF，分別確定目標(biāo)文檔中所有詞在目標(biāo)文檔中的TF值；

在所述步驟S250中，基于預(yù)定IDF值和TF值，利用TF-IDF技術(shù)確定所有詞的TF-IDF權(quán)重。

8.一種基于目標(biāo)文檔匹配商品的方法，其特征在于，基于預(yù)定的商品數(shù)據(jù)庫，所述商品數(shù)據(jù)庫對應(yīng)存儲(chǔ)有預(yù)定的文檔關(guān)鍵詞和商品屬性參數(shù)，對應(yīng)商品屬性參數(shù)存儲(chǔ)有預(yù)定的商品信息；

基于目標(biāo)文檔匹配商品的方法包括權(quán)利要求1至5任一項(xiàng)所述的目標(biāo)文檔關(guān)鍵詞提取方法；

在步驟S270中獲得文檔關(guān)鍵詞之后，還包括：

S310，基于文檔關(guān)鍵詞，在所述商品數(shù)據(jù)庫查詢與該文檔關(guān)鍵詞對應(yīng)的商品屬性參數(shù)，并基于商品屬性參數(shù)，確定對應(yīng)商品信息；

S320，在預(yù)定的文檔與商品匹配數(shù)據(jù)庫中，對應(yīng)存儲(chǔ)文檔編號(Id，identification)及商品信息；

S330，將與相應(yīng)文檔編號對應(yīng)的商品信息輸出。

9.根據(jù)權(quán)利要求8所述的基于目標(biāo)文檔匹配商品的方法，其特征在于，

所述商品數(shù)據(jù)庫還對應(yīng)存儲(chǔ)文檔編號及從該文檔提取的文檔關(guān)鍵詞；

在步驟S210之前，還包括：

S110，判斷目標(biāo)文檔是否重復(fù)輸入，如果是，則基于目標(biāo)文檔編號獲取所述商品數(shù)據(jù)庫中對應(yīng)存儲(chǔ)的文檔關(guān)鍵詞，然后進(jìn)入步驟S310；如果否，則進(jìn)入步驟S210。

10.根據(jù)權(quán)利要求9所述的基于目標(biāo)文檔匹配商品的方法，其特征在于，

所述商品數(shù)據(jù)庫還對應(yīng)存儲(chǔ)文檔編號及從該文檔的基準(zhǔn)Md5(Message-DigestAlgorithm)的值；

所述步驟S110具體包括：獲取目標(biāo)文檔的MD5的值；判斷所述商品數(shù)據(jù)庫中，與該目標(biāo)文檔編號對應(yīng)的基準(zhǔn)MD5與獲取的MD5的值是否一致；如果為是，則基于目標(biāo)文檔編號獲取所述商品數(shù)據(jù)庫中對應(yīng)存儲(chǔ)的文檔關(guān)鍵詞，然后進(jìn)入步驟S310；如果為否，則進(jìn)入步驟S210。