[發(fā)明專利]關(guān)鍵詞提取方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111534512.2
• 申請(qǐng)日: 2021-12-15
• 公開（公告）號(hào): CN114218943A
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 龍榮深;李昕怡
• 申請(qǐng)（專利權(quán)）人: 廣州小鵬汽車科技有限公司
• 主分類號(hào): G06F40/289
• 分類號(hào): G06F40/289;G06F40/253;G06F40/216;G06K9/62;G06N20/00
• 代理公司: 北京中知君達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11769
• 代理人: 黃啟法

本申請(qǐng)涉及一種關(guān)鍵詞提取方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。該關(guān)鍵詞提取方法，包括：獲取輸入樣本；根據(jù)第一預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第一分值；根據(jù)第二預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第二分值；將所述各候選詞的第一分值和所述各候選詞的第二分值進(jìn)行設(shè)定運(yùn)算，得到各候選詞的第三分值；根據(jù)所述各候選詞的第三分值的排序結(jié)果，確定所述輸入樣本的關(guān)鍵詞。本申請(qǐng)?zhí)峁┑姆桨福軌蛱岣哧P(guān)鍵詞提取的精確率及召回率，使得提取出來的關(guān)鍵詞更能體現(xiàn)文本內(nèi)容的含義。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種關(guān)鍵詞提取方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

關(guān)鍵詞提取是信息檢索、文本分類聚類以及自動(dòng)文摘生成等技術(shù)的關(guān)鍵，是快速獲取文檔主題的重要手段。文本關(guān)鍵詞的提取是從整個(gè)文本里面將與文本意義最為相關(guān)的詞語(yǔ)提取出來，使得瀏覽者能夠通過文本關(guān)鍵詞快速理解文本內(nèi)容。

相關(guān)技術(shù)中文本關(guān)鍵詞的提取算法有很多，例如TextRank算法等開源通用算法，還有基于機(jī)器學(xué)習(xí)模型、概率模型及深度學(xué)習(xí)模型的文本關(guān)鍵詞提取算法。

但上述算法都存在關(guān)鍵詞提取精確率不高及召回率低的問題。

發(fā)明內(nèi)容

為解決或部分解決相關(guān)技術(shù)中存在的問題，本申請(qǐng)?zhí)峁┮环N關(guān)鍵詞提取方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，能夠提高關(guān)鍵詞提取的精確率及召回率，使得提取出來的關(guān)鍵詞更能體現(xiàn)文本內(nèi)容的含義。

本申請(qǐng)第一方面提供一種關(guān)鍵詞提取方法，包括：

獲取輸入樣本；

根據(jù)第一預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第一分值；

根據(jù)第二預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第二分值；

將所述各候選詞的第一分值和所述各候選詞的第二分值進(jìn)行設(shè)定運(yùn)算，得到各候選詞的第三分值；

根據(jù)所述各候選詞的第三分值的排序結(jié)果，確定所述輸入樣本的關(guān)鍵詞。

在一種實(shí)施方式中，所述根據(jù)第一預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第一分值，包括：根據(jù)預(yù)設(shè)關(guān)鍵詞庫(kù)和第一預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第一分值；

所述根據(jù)第二預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第二分值，包括：根據(jù)預(yù)設(shè)關(guān)鍵詞庫(kù)對(duì)應(yīng)的設(shè)定語(yǔ)料和第二預(yù)設(shè)算法得到所述輸入樣本中各候選詞的第二分值；

其中，所述預(yù)設(shè)關(guān)鍵詞庫(kù)中包括核心詞及對(duì)應(yīng)的相關(guān)詞。

在一種實(shí)施方式中，所述預(yù)設(shè)關(guān)鍵詞庫(kù)中的核心詞及對(duì)應(yīng)的相關(guān)詞預(yù)先按以下方式確定：

從設(shè)定語(yǔ)料中篩選分值排在前列的詞語(yǔ)；

根據(jù)設(shè)定領(lǐng)域從所述分值排在前列的詞語(yǔ)篩選與所述設(shè)定領(lǐng)域相關(guān)的詞語(yǔ)作為核心詞；

對(duì)所述核心詞進(jìn)行近義詞搜索，并進(jìn)行詞性過濾和長(zhǎng)度過濾，篩選與所述核心詞相關(guān)的設(shè)定數(shù)量詞語(yǔ)作為對(duì)應(yīng)的相關(guān)詞。

在一種實(shí)施方式中，所述根據(jù)所述各候選詞的第三分值的排序結(jié)果，確定所述輸入樣本的關(guān)鍵詞，包括：

根據(jù)所述各候選詞的第三分值的排序結(jié)果及預(yù)設(shè)無效詞庫(kù)，確定所述輸入樣本的關(guān)鍵詞。

在一種實(shí)施方式中，所述將所述各候選詞的第一分值和所述各候選詞的第二分值進(jìn)行設(shè)定運(yùn)算，得到各候選詞的第三分值，包括：

將所述各候選詞的第一分值和所述各候選詞的第二分值進(jìn)行加權(quán)求和運(yùn)算，得到各候選詞的第三分值。

在一種實(shí)施方式中，所述獲取輸入樣本，包括：

獲取經(jīng)過預(yù)處理的文本內(nèi)容輸入樣本。