[發明專利]一種文檔關鍵詞提取及基于文檔匹配商品的方法

在審

• 申請號: 201910553323.6
• 申請日: 2019-06-25
• 公開（公告）號: CN110287289A
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 周楠;徐翔
• 申請（專利權）人: 北京金海群英網絡信息技術有限公司
• 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所 11344
• 代理人: 李兆嶺

1.一種目標文檔關鍵詞提取方法，其特征在于，包括如下步驟：

S210，利用TextRank技術，獲得目標文檔中m個詞的權重；

S220，在m個初始關鍵詞中，選擇權重靠前的n個詞作為初始關鍵詞，其中，n≦m；

S230，基于預定的策略，分別確定目標文檔中j個詞的預定IDF值；

S240，利用TF-IDF，分別確定目標文檔中j個詞在目標文檔中的TF值；

S250，基于預定IDF值和TF值，利用TF-IDF技術確定j個詞的TF-IDF權重；

S260，在j個詞中，選擇權重靠前的k個詞作為校驗關鍵詞；其中，k≦j；

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

2.根據權利要求1所述的目標文檔關鍵詞提取方法，其特征在于，所述步驟S210中，利用TextRank技術，獲得目標文檔中所有詞的權重。

3.根據權利要求1或2所述的目標文檔關鍵詞提取方法，其特征在于，所述步驟S230具體包括：

判斷文檔指數X是否大于Y；如果是，則基于預置IDF數據庫的數據及目標文檔，利用TF-IDF技術，更新IDF數據庫的數據，并使X歸0；如果否，則使X+1；然后從預置IDF數據庫獲取相應詞的IDF值，該IDF值作為相應詞的預定IDF值；所述IDF數據庫存儲有預定的詞與各詞對應的IDF值。

4.根據權利要求3所述的目標文檔關鍵詞提取方法，其特征在于，在步驟S230中：如果否，還包括將目標文檔標記為待更新目標文檔的步驟；

基于預置IDF數據庫的數據及目標文檔，利用TF-IDF技術，更新IDF數據庫的數據，具體為：基于預置IDF數據庫的數據、當前目標文檔及待更新目標文檔。

5.根據權利要求3所述的目標文檔關鍵詞提取方法，其特征在于，在所述步驟S230中，更新IDF數據庫的數據包括更新存儲的詞及對應相應詞的IDF值。

6.根據權利要求1或2所述的目標文檔關鍵詞提取方法，其特征在于，所述步驟S230具體包括：基于預置IDF數據庫的數據及目標文檔，利用TF-IDF技術，更新IDF數據庫的數據；從預置IDF數據庫獲取相應詞的IDF值，該IDF值作為相應詞的預定IDF值；所述IDF數據庫存儲有預定的詞與各詞對應的IDF值。

7.根據權利要求1至5任一項所述的目標文檔關鍵詞提取方法，其特征在于，在所述步驟S230中，基于預定的策略，分別確定目標文檔中所有詞的預定IDF值；

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

在所述步驟S250中，基于預定IDF值和TF值，利用TF-IDF技術確定所有詞的TF-IDF權重。

8.一種基于目標文檔匹配商品的方法，其特征在于，基于預定的商品數據庫，所述商品數據庫對應存儲有預定的文檔關鍵詞和商品屬性參數，對應商品屬性參數存儲有預定的商品信息；

基于目標文檔匹配商品的方法包括權利要求1至5任一項所述的目標文檔關鍵詞提取方法；

在步驟S270中獲得文檔關鍵詞之后，還包括：

S310，基于文檔關鍵詞，在所述商品數據庫查詢與該文檔關鍵詞對應的商品屬性參數，并基于商品屬性參數，確定對應商品信息；

S320，在預定的文檔與商品匹配數據庫中，對應存儲文檔編號(Id，identification)及商品信息；

S330，將與相應文檔編號對應的商品信息輸出。

9.根據權利要求8所述的基于目標文檔匹配商品的方法，其特征在于，

所述商品數據庫還對應存儲文檔編號及從該文檔提取的文檔關鍵詞；

在步驟S210之前，還包括：

S110，判斷目標文檔是否重復輸入，如果是，則基于目標文檔編號獲取所述商品數據庫中對應存儲的文檔關鍵詞，然后進入步驟S310；如果否，則進入步驟S210。

10.根據權利要求9所述的基于目標文檔匹配商品的方法，其特征在于，

所述商品數據庫還對應存儲文檔編號及從該文檔的基準Md5(Message-DigestAlgorithm)的值；

所述步驟S110具體包括：獲取目標文檔的MD5的值；判斷所述商品數據庫中，與該目標文檔編號對應的基準MD5與獲取的MD5的值是否一致；如果為是，則基于目標文檔編號獲取所述商品數據庫中對應存儲的文檔關鍵詞，然后進入步驟S310；如果為否，則進入步驟S210。