[發明專利]一種文本摘要的提取方法及裝置

在審

• 申請號: 201911164417.0
• 申請日: 2019-11-25
• 公開（公告）號: CN111125348A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 李函擎
• 申請（專利權）人: 北京明略軟件系統有限公司
• 主分類號: G06F16/34
• 分類號: G06F16/34;G06F16/35;G06F16/958;G06F40/284
• 代理公司: 北京超成律師事務所 11646
• 代理人: 劉靜

本申請提供了一種文本摘要的提取方法及裝置，其中，該方法包括：獲取待分析文本中各個句子的關鍵詞，并針對每個所述句子，得到該句子中各個關鍵詞的權重；基于該句子中各個關鍵詞的詞向量，以及該句子中所述各個關鍵詞的權重，確定該句子所對應的句子向量；基于所述待分析文本中各個句子分別對應的句子向量，確定各個句子的重要性分數；基于各個所述句子的重要性分數，從各個句子中確定目標句子，并將所述目標句子確定為所述待分析文本的文本摘要。本申請中，能夠從待分析文本中提取出更好的表征待分析文本涵義的目標句子，提高文本摘要提取的準確度。

技術領域

本申請涉及信息技術領域，尤其是涉及一種文本摘要的提取方法及裝置。

背景技術

隨著互聯網技術的不斷發展，在為廣大用戶提供豐富信息的同時，網絡上的數據量也與日俱增，為了使用戶能夠獲取目標信息，需要對一些文本信息進行摘要提取處理。

現有技術中，可以通過網頁排名(PageRank)的方法對文本信息進行摘要提取，PageRank是谷歌(Google)公司創辦人拉里佩奇發明的一種基于圖的排序模型，可以將數據之間的關系用圖的形式表示，PageRank的研究對象可以是網頁、社交網絡中的用戶乃至文章中的句子或詞語，其應用范圍十分廣泛。

但是，申請人在研究中發現，現有技術中，利用PageRank的方法提取出的文本摘要往往不能夠準確地表達出文本的主要信息，造成按照該方法得到的文本摘要存在一定的偏差。

發明內容

本申請至少提供一種文本摘要的提取方法及裝置，能夠減少文本摘要的提取過程中產生的誤差。

第一方面，本申請實施例提供了一種文本摘要的提取方法，包括：

獲取待分析文本中各個句子的關鍵詞，并針對每個所述句子，得到該句子中各個關鍵詞的權重；

基于該句子中各個關鍵詞的詞向量，以及該句子中所述各個關鍵詞的權重，確定該句子所對應的句子向量；

基于所述待分析文本中各個句子分別對應的句子向量，確定各個句子的重要性分數；

基于各個所述句子的重要性分數，從各個句子中確定目標句子，并將所述目標句子確定為所述待分析文本的文本摘要。

一種可選實施方式中，所述獲取待分析文本各個句子中的關鍵詞，包括：

對所述待分析文本中各個句子進行分詞處理，得到各個句子分別對應的分詞詞匯；

針對每個所述句子，從該句子對應的分詞詞匯中，確定該句子的關鍵詞；

所述關鍵詞包括：所述分詞詞匯中的名詞、動詞、以及形容詞中一種或者多種。

一種可選實施方式中，所述針對每個所述句子，得到該句子中各個關鍵詞的權重，包括：

基于各個關鍵詞在所述句子中的順序，針對任意連續的N個關鍵詞，建立所述任意連續的N個關鍵詞中，每兩個關鍵詞之間建立關聯關系；

針對該句子中的任一關鍵詞，基于該任一關鍵詞與其他關鍵詞之間的關聯關系，確定以該任一關鍵詞為起點的第一關聯關系數，以及以該任一關鍵詞為終點的第二關聯關系數；

基于所述第一關聯關系數、所述第二關聯關系數，得到該任一關鍵詞的權重；

基于得到的任一關鍵詞的權重，進行多輪迭代，直至達到預設迭代截止條件。

一種可選實施方式中，所述基于該句子中各個關鍵詞的詞向量，以及該句子中所述各個關鍵詞的權重，確定該句子所對應的句子向量，包括：

基于該句子中各個關鍵詞的權重，對該句子中各個關鍵詞的詞向量進行加權平均處理，得到該句子對應的句子向量。