[发明专利]确定文档中核心地理信息的方法、系统

权利要求书

1.一种确定文档中核心地理信息的方法，其特征在于，包括：

读取待处理文档，统计待处理文档中出现的各地理名词的频率，按照文档 中各地理名词出现的频率，并根据预定义的位置权重计算各地理名词的分值；

根据各地理名词查询预置的地理信息库，计算所述各地理名词隶属的级别 相同的行政区划的分值；所述地理信息库中存储有地理名称以及所有地理名称 间的隶属关系；

比较所述行政区划的分值，以及比较各地理名词的分值，将分值最高的所 述行政区划下分值最高的地理信息确定为所述文档的核心地理信息；

其中，所述按照文档中各地理名词出现的频率，并根据预定义的位置权重 计算各地理名词的分值，包括：

将文档各地理信息的分值确定为该地理信息出现频率数与按照出现位置 对应权重之和。

2.如权利要求1所述的方法，其特征在于，所述按照出现位置对应权重 包括：

在标题中出现时权重为3，在正文第一段出现时权重为2，在正文其它部 分中出现时权重为1。

3.如权利要求1所述的方法，其特征在于，所述按照文档中各地理名词 出现的频率，并根据预定义的位置权重计算各地理名词的分值，还包括：

对于连续出现的地理名词，将其中每一个地理名词对应分值增加一个预设 值。

4.如权利要求1所述的方法，其特征在于，所述按照文档中各地理名词 出现的频率，并根据预定义的位置权重计算各地理名词的分值，还包括：

如果文档中的地理名词的前后紧邻的文字中存在预置的新闻机构名称表 中的词汇，则将所述地理名词的该次出现忽略。

5.一种确定文档中核心地理信息的系统，其特征在于，包括：

第一分值计算单元，用于读取待处理文档，统计待处理文档中出现的各地 理名词的频率，按照文档中各地理名词出现的频率，并根据预定义的位置权重 计算各地理名词的分值；

第二分值计算单元，用于根据各地理名词查询预置的地理信息库，计算所 述各地理名词隶属的级别相同的行政区划的分值；所述地理信息库中存储有地 理名称以及所有地理名称间的隶属关系；

确定单元，用于比较所述行政区划的分值，以及比较各地理名词的分值， 将分值最高的所述行政区划下分值最高的地理信息确定为所述文档的核心地 理信息；

其中，所述第一分值计算单元包括：

词频计算单元，用于计算地理信息的出现频率；

位置权重计算单元，用于计算所述地理信息按照出现位置对应的权重；

求和单元，用于将所述地理信息的出现频率与按照位置对应权重之和确定 为该地理信息的分值。

6.如权利要求5所述的系统，其特征在于，所述第一分值计算单元还包 括：

分值增加单元，对于连续出现的地理名词，用于将其中每一个地理名词对 应分值增加一个预设值。

7.如权利要求5所述的系统，其特征在于，所述第一分值计算单元还包 括：

滤除单元，用于在词频计算单元计算地理信息的出现频率过程中，如果地 理名词的前后紧邻的文字中存在预置的新闻机构名称表中的词汇，将所述地理 名词的该次出现忽略。