[發明專利]文本關鍵詞提取方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010736558.1
• 申請日: 2020-07-28
• 公開（公告）號: CN111985228B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 毛宇;佘麗麗;夏海兵;魏志輝;林昊
• 申請（專利權）人: 招聯消費金融有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F16/35
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 李文淵

1.一種文本關鍵詞提取方法，其特征在于，所述方法包括：

獲取待提取文本的多個候選關鍵詞；

對所述多個候選關鍵詞進行詞向量編碼，得到第一特征向量，以及，對所述多個候選關鍵詞進行第一次詞頻逆文本頻率編碼，得到第二特征向量；

將所述第一特征向量和所述第二特征向量進行列合并，得到所述多個候選關鍵詞對應的關鍵詞向量；

根據所述關鍵詞向量對所述多個候選關鍵詞進行聚類，得到對應的多個關鍵詞聚類簇；在各所述關鍵詞聚類簇中包括至少一個簇內關鍵詞；

分別對各所述關鍵詞聚類簇中的簇內關鍵詞進行第二次詞頻逆文本頻率編碼，得到各所述簇內關鍵詞的關鍵詞分值；

根據各所述簇內關鍵詞的關鍵詞分值，分別在各所述關鍵詞聚類簇中選取所述待提取文本的目標關鍵詞。

2.根據權利要求1所述的方法，其特征在于，所述選取所述待提取文本的目標關鍵詞，包括：

通過對各所述簇內關鍵詞的關鍵詞分值進行排序，得到關鍵詞排序結果；

根據所述關鍵詞排序結果，得到所述待提取文本的目標關鍵詞。

3.根據權利要求1所述的方法，其特征在于，所述根據所述關鍵詞向量對所述多個候選關鍵詞進行聚類，得到對應的多個關鍵詞聚類簇，包括：

根據預設的聚類簇數，在所述關鍵詞向量中選取聚類中心初始向量；

根據所述關鍵詞向量與所述聚類中心初始向量的向量距離，對所述關鍵詞向量進行聚類，得到向量聚類結果；

根據所述向量聚類結果，得到聚類中心更新向量；

計算所述聚類中心更新向量與所述聚類中心初始向量之間的向量差值；

判斷所述向量差值是否超過預設的差值閾值；

若是，則以所述聚類中心更新向量為所述聚類中心初始向量，返回所述根據所述關鍵詞向量與所述聚類中心初始向量的向量距離，對所述關鍵詞向量進行聚類，得到向量聚類結果的步驟；

若否，則根據所述向量聚類結果對所述候選關鍵詞進行聚類，得到所述關鍵詞聚類簇。

4.根據權利要求1所述的方法，其特征在于，所述根據所述關鍵詞向量對所述多個候選關鍵詞進行聚類，得到對應的多個關鍵詞聚類簇，包括：

根據預設的聚類簇數，在所述關鍵詞向量中選取聚類中心初始向量；

根據所述關鍵詞向量與所述聚類中心初始向量的向量距離，對所述關鍵詞向量進行聚類，得到向量聚類結果；

根據所述向量聚類結果，得到聚類中心更新向量；

計算所述聚類中心更新向量與所述聚類中心初始向量之間的誤差平方和；

當所述誤差平方和為局部最小時，表示所述聚類收斂，得到向量聚類結果；

根據所述向量聚類結果對所述候選關鍵詞進行聚類，得到所述關鍵詞聚類簇。

5.根據權利要求4所述的方法，其特征在于，所述根據所述關鍵詞向量與所述聚類中心初始向量的向量距離，對所述關鍵詞向量進行聚類，得到向量聚類結果，包括：

計算所述關鍵詞向量與所述聚類中心初始向量之間的向量距離；

判斷所述向量距離是否超過預設的距離閾值；

若是，則剔除所述向量距離對應的關鍵詞向量，得到去噪后關鍵詞向量，并根據所述去噪后關鍵詞向量與所述聚類中心初始向量的向量距離，對所述去噪后關鍵詞向量進行聚類，得到所述向量聚類結果。

6.根據權利要求1所述的方法，其特征在于，所述獲取待提取文本的多個候選關鍵詞，包括：

對所述待提取文本進行停用詞過濾處理，得到過濾文本；

對所述過濾文本進行分詞處理，得到所述多個候選關鍵詞。

7.根據權利要求1所述的方法，其特征在于，所述對所述多個候選關鍵詞進行第一次詞頻逆文本頻率編碼，得到第二特征向量，包括：

對所述多個候選關鍵詞進行第一次詞頻逆文本頻率編碼，得到編碼矩陣；

通過約束所述編碼矩陣的維度，得到所述第二特征向量；

通過將所述第二特征向量與所述第一特征向量相拼接，得到所述關鍵詞向量。