[發明專利]一種政務文章標題關鍵字提取方法、設備及存儲設備

有效

• 申請號: 202310467705.3
• 申請日: 2023-04-27
• 公開（公告）號: CN116187307B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 李穎;陳勝鵬;梅龍
• 申請（專利權）人: 吉奧時空信息技術股份有限公司
• 主分類號: G06F40/258
• 分類號: G06F40/258;G06F40/216;G06F40/289;G06F40/30;G06F18/22
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 王佩

1.一種政務文章標題提取方法，其特征在于：包括以下步驟：

S1：獲取短文本集合A，提取短文本集合A中的一個短文本a，并從短文本a中提取分詞結果T；

S2：從分詞結果T中選擇詞語T_i，計算其逆文本頻率值IDF；其中i表示詞語的序號；

S3：根據逆文本頻率值IDF對短文本a進行預處理，得到預處理后的短文本a`及其對應的分詞結果T`；

所述預處理，具體指：去除短文本a及分詞結果T中IDF值低于預設閾值V_IDF的詞語；

S4：計算分詞結果T`中關鍵詞詞語T<sub>i</sub>`的語義相似度P_i；

S5：在短文本a`首尾處各補充一個占位符，得到短文本及其對應的分詞結果；

S6：根據語義相似度P_i計算分詞結果中關鍵詞的得分如下：

其中，max_P為分詞結果T`各關鍵詞詞語中最大的語義相似度，min<sub>P</sub>為分詞結果T`各關鍵詞詞語中最小的語義相似度；d為阻尼系數；在短文本中，與共現的節點記作，中的第j個節點記作；與共現的節點記作，中的第k個節點記作；W_ji為與的共現次數，W_jk為與的共現次數；

S7：計算由相鄰兩個關鍵詞和組成的關鍵短語D_mn的得分；

關鍵短語D_mn的得分計算公式如下：；

S8、按關鍵詞短語得分，由高到低輸出提取結果。

2.如權利要求1所述的一種政務文章標題提取方法，其特征在于：步驟S2中逆文本頻率值IDF的計算公式如下：

其中N_A為短文本集合A中的短文本總數，N_i為含有詞語T_i的短文本數。

3.如權利要求1所述的一種政務文章標題提取方法，其特征在于：步驟S4中計算語義相似度采用KeyBert方法。

4.如權利要求1所述的一種政務文章標題提取方法，其特征在于：所述占位符為不具備語義的符號。

5.一種存儲設備，其特征在于：所述存儲設備存儲指令及數據用于實現權利要求1~4的任意一種政務文章標題提取方法。

6.一種政務文章標題提取設備，其特征在于：包括：處理器及存儲設備；所述處理器加載并執行存儲設備中的指令及數據用于實現權利要求1~4的任意一種政務文章標題提取方法。