[发明专利]一种抽取关键词的方法

权利要求书

1.一种抽取关键词的方法，该方法包括：

对文本进行预处理，得到候选词语集；

根据候选词语集中每个候选词语总权值的大小，得到候选关键词集；

其特征在于，在得到所述候选关键词集后，该方法还包括：

将文本中的第一个词语作为当前词语，

A.当当前词语不是文本中的最后一个词语时，判断当前词语是否为候选关键词集中的词语，

如果是，执行步骤B；

否则，将当前词语的下一个词语作为当前词语，返回执行步骤A，直至当前词语为文本中的最后一个词语时，执行步骤D；

B.将当前词语作为当前候选未登录词，并将当前词语的下一个词语作为当前词语，判断当前词语是否为候选关键词集中的词语，

如果是，执行步骤C；

否则，将当前词语的下一个词语作为当前词语，返回执行步骤A，直至当前词语为文本中的最后一个词语时，执行步骤D；

C.将所述当前候选未登录词与当前词语的组合作为当前候选未登录词，并将当前词语的下一个词语作为当前词语，判断当前词语是否为候选关键词集中的词语，

如果是，返回执行步骤C；

否则，将当前候选未登录词作为候选未登录词，并将当前词语的下一个词语作为当前词语，返回执行步骤A，直至当前词语为文本中的最后一个词语时，执行步骤D；

D.将候选未登录词按照频数由高到低的顺序进行排序，得到候选未登录词集；

将候选关键词集中前n1个总权值最大的候选关键词和候选未登录词集中前n2个频数最高的候选未登录词的集合作为关键词集，所述n1和n2为自然数。

2.根据权利要求1所述的方法，其特征在于，所述根据候选词语集中每个候选词语总权值的大小，得到候选关键词集包括：

根据候选词语在文本中的位置和频数分别统计每个候选词语的总权值；

按照总权值由大到小的顺序对候选词语集进行排序；

将总权值最大的前m个候选词语的集合作为候选关键词集，所述m为自然数。

3.根据权利要求2所述的方法，其特征在于，所述文本中的位置包括文本的标题、摘要、结论，文本中段落的第一句话，以及文本中除文本的标题、摘要、结论和文本中段落的第一句话的其它部分。

4.根据权利要求3所述的方法，其特征在于，所述根据候选词语在文本中的位置和频数分别统计每个候选词语的总权值包括：

当所述候选词语位于文本的标题、摘要、结论一次时，将所述候选词语赋予权值40；当所述候选词语位于文本中段落的第一句话一次时，将所述候选词语赋予权值20；当所述候选词语位于文本中除文本的标题、摘要、结论和文本中段落的第一句话的其它部分一次时，将所述候选词语赋予权值10；

将所述候选词被赋予的各个权值进行求和，得到所述候选词语的总权值。

5.根据权利要求1所述的方法，其特征在于，所述将所述当前候选未登录词与当前词语的组合作为当前候选未登录词包括：

将所述当前候选未登录词与当前词语按照文本中出现的顺序叠加组合为一个词语，作为当前候选未登录词。

6.根据权利要求2所述的方法，其特征在于，所述m＝15。

7.根据权利要求6所述的方法，其特征在于，所述n1＝4，所述n2＝2。