[發(fā)明專利]一種文本關(guān)鍵內(nèi)容提取方法、裝置及服務(wù)器

在審

• 申請(qǐng)?zhí)枺?/td>: 202210532353.0
• 申請(qǐng)日: 2022-05-11
• 公開(kāi)（公告）號(hào): CN114818688A
• 公開(kāi)（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 萬(wàn)源星;吳安其;葉涵
• 申請(qǐng)（專利權(quán)）人: 浙江工商大學(xué)
• 主分類號(hào): G06F40/284
• 分類號(hào): G06F40/284;G06F16/33;G06F40/44;G06K9/62
• 代理公司: 北京棘龍知識(shí)產(chǎn)權(quán)代理有限公司 11740
• 代理人: 謝靜

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種文本關(guān)鍵內(nèi)容提取方法、裝置及服務(wù)器，文本關(guān)鍵內(nèi)容提取方法包括獲取文本集；劃分單元并提取單元候選關(guān)鍵詞及單元關(guān)鍵詞頻率信息；根據(jù)單元關(guān)鍵詞頻率信息提取文本候選關(guān)鍵詞及文本關(guān)鍵詞頻率信息；根據(jù)文本關(guān)鍵詞頻率信息獲得文本關(guān)鍵詞并將文本與同關(guān)鍵詞文本進(jìn)行對(duì)比從而確定文本關(guān)鍵詞。本發(fā)明的一種文本關(guān)鍵內(nèi)容提取方法通過(guò)將文本集劃分為若干單元，然后對(duì)各個(gè)單元進(jìn)行關(guān)鍵詞獲取，再?gòu)膯卧P(guān)鍵詞中獲取文本關(guān)鍵詞，最后與同類型文本進(jìn)行關(guān)鍵詞對(duì)比，確定文本關(guān)鍵詞，將文本集劃分為多個(gè)單元再提取關(guān)鍵詞能夠避免關(guān)鍵詞遺漏以及無(wú)效關(guān)鍵詞的問(wèn)題，使得關(guān)鍵詞提取更加準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種文本關(guān)鍵內(nèi)容提取方法、裝置及服務(wù)器。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展進(jìn)步、以及智能電子產(chǎn)品的逐步普及，考慮到電子產(chǎn)品學(xué)習(xí)的智能性以及便捷性，學(xué)生的學(xué)習(xí)也逐漸開(kāi)始借助電子產(chǎn)品來(lái)完成。文本查找是學(xué)習(xí)中十分重要的一環(huán)，高效率的查找文本能夠讓學(xué)習(xí)更高效，因此對(duì)文本的關(guān)鍵內(nèi)容進(jìn)行提取是非常必要的?，F(xiàn)有的文本關(guān)鍵內(nèi)容提取的方法大多是根據(jù)文本標(biāo)題及文中多次出現(xiàn)的詞語(yǔ)進(jìn)行主要內(nèi)容的判別，但這種提取方式準(zhǔn)確度較低。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種文本關(guān)鍵內(nèi)容提取方法、裝置及服務(wù)器，旨在解決現(xiàn)有文本關(guān)鍵內(nèi)容提取方法不夠準(zhǔn)確的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種文本關(guān)鍵內(nèi)容提取方法，包括：

獲取文本集；

劃分單元并提取單元候選關(guān)鍵詞；

根據(jù)所述單元候選關(guān)鍵詞出現(xiàn)頻率獲取單元關(guān)鍵詞頻率信息；

根據(jù)所述單元關(guān)鍵詞頻率信息提取文本候選關(guān)鍵詞；

根據(jù)所述文本候選關(guān)鍵詞出現(xiàn)頻率獲取文本關(guān)鍵詞頻率信息；

根據(jù)所述文本關(guān)鍵詞頻率信息獲得文本關(guān)鍵詞；

根據(jù)獲得的所述文本關(guān)鍵詞將文本與同關(guān)鍵詞文本進(jìn)行對(duì)比從而確定文本關(guān)鍵詞。

其中，所述劃分單元的具體方法為將文本根據(jù)自然段落劃分為若干個(gè)單元。

其中，所述提取單元候選關(guān)鍵詞的具體方法為提取單元中出現(xiàn)次數(shù)較多的詞語(yǔ)及衍生詞。

其中，所述獲取單元關(guān)鍵詞頻率信息的具體步驟為：

根據(jù)提取的所述單元候選關(guān)鍵詞與主題進(jìn)行比較獲取主題相關(guān)信息；

根據(jù)所述單元候選關(guān)鍵詞出現(xiàn)的頻率獲取單元頻率子信息；

基于所述候選關(guān)鍵詞的詞語(yǔ)長(zhǎng)度，獲取所述候選關(guān)鍵詞對(duì)應(yīng)的詞語(yǔ)長(zhǎng)度信息；

將所述主題相關(guān)信息、所述單元頻率子信息以及所述詞語(yǔ)長(zhǎng)度信息進(jìn)行融合，得到所述候選關(guān)鍵詞針對(duì)所述文本單元的單元關(guān)鍵詞頻率信息。

其中，所述獲取文本關(guān)鍵詞頻率信息的具體步驟為：

根據(jù)提取的所述文本候選關(guān)鍵詞與主題進(jìn)行比較獲取主題相關(guān)信息；

根據(jù)所述文本候選關(guān)鍵詞出現(xiàn)的頻率獲取文本頻率子信息；

基于所述候選關(guān)鍵詞的詞語(yǔ)長(zhǎng)度，獲取所述候選關(guān)鍵詞對(duì)應(yīng)的詞語(yǔ)長(zhǎng)度信息；

將所述主題相關(guān)信息、所述文本頻率子信息以及所述詞語(yǔ)長(zhǎng)度信息進(jìn)行融合，得到所述候選關(guān)鍵詞針對(duì)所述文本的文本關(guān)鍵詞頻率信息。

其中，一種文本關(guān)鍵內(nèi)容提取裝置，包括存儲(chǔ)信息架、信息存儲(chǔ)模塊和對(duì)比模塊，所述存儲(chǔ)信息架用于存儲(chǔ)大量的文本信息，所述信息存儲(chǔ)模塊用于存儲(chǔ)關(guān)鍵內(nèi)容，所述對(duì)比模塊用于查找文本信息中的關(guān)鍵內(nèi)容。