[发明专利]为文档添加标签的方法及装置

权利要求书

1.一种为文档添加标签的方法，包括：

获取输入的文档集合，对所述文档集合中的文档进行分词得到与所述文档对应的单词集合；

根据潜在狄利克雷分配模型将与所述文档对应的单词集合聚合成主题集合；

获取所述主题集合中主题包含的单词的全局词频，根据所述全局词频选取单词设置为所述主题的属性词，所述全局词频为单词在所述文档集合中出现的总次数；

获取所述文档集合中的文档包含的属性词的概率信息，所述属性词的概率信息为文档包含的某个属性词的个数与文档总共包含的属性词的个数的比值，将概率信息大于阈值的属性词作为文档的标签。

2.根据权利要求1所述的为文档添加标签的方法，其特征在于，所述根据潜在狄利克雷分配模型将与所述文档集合聚合生成主题集合的步骤之前还包括：

获取与所述文档对应的单词集合中单词对应的词频和逆向文件频率；

根据所述词频和逆向文件频率对与所述文档对应的单词集合中单词进行过滤。

3.根据权利要求1所述的为文档添加标签的方法，其特征在于，所述根据潜在狄利克雷分配模型将与所述文档对应的单词集合聚合成主题集合的步骤之后还包括：

根据知网中文词库对所述主题集合中主题包含的单词进行扩充。

4.根据权利要求1所述的为文档添加标签的方法，其特征在于，所述根据所述概率信息选取属性词生成所述文档的标签的步骤还包括：

根据知网中文词库提取所述选取到的属性词在所述文档中对应的正向或负向情感信息；

根据所述属性词和所述提取到的相应的正向或负向情感信息生成所述文档的标签。

5.根据权利要求1所述的为文档添加标签的方法，其特征在于，所述获取输入的文档集合的步骤为：

获取输入的类型信息，根据所述类型信息检索得到对应的文档集合；

所述根据所述概率信息选取属性词生成所述文档的标签的步骤之后还包括：

建立所述生成的标签与所述类型信息的对应关系。

6.根据权利要求5所述的为文档添加标签的方法，其特征在于，所述方法还包括：

获取输入的关键词，获取与所述关键词匹配的类型信息；

获取与所述类型信息对应的标签，并展示所述标签；

获取标签选取请求，获取所述标签选取请求对应的标签；

获取包含所述标签的文档。

7.根据权利要求5所述的为文档添加标签的方法，其特征在于，所述根据所述类型信息检索得到对应的文档集合的步骤为：

获取停用词集合，所述停用词表包含停用词；

根据所述类型信息检索与所述类型信息匹配的但不包含所述停用词的文档集合。

8.一种为文档添加标签的装置，其特征在于，包括：

文档分词模块，用于获取输入的文档集合，对所述文档集合中的文档进行分词得到与所述文档对应的单词集合；

主题生成模块，用于根据潜在狄利克雷分配模型将与所述文档对应的单词集合聚合成主题集合；

主题选词模块，用于获取所述主题集合中主题包含的单词的全局词频，所述全局词频为单词在所述文档集合中出现的总次数，根据所述全局词频选取单词设置为所述主题的属性词；

标签添加模块，用于获取所述文档集合中的文档包含的属性词的概率信息，所述属性词的概率信息为文档包含的某个属性词的个数与文档总共包含的属性词的个数的比值，将概率信息大于阈值的属性词作为文档的标签。

9.根据权利要求8所述的为文档添加标签的装置，其特征在于，所述文档分词模块还用于获取与所述文档对应的单词集合中单词对应的词频和逆向文件频率；根据所述词频和逆向文件频率对与所述文档对应的单词集合中单词进行过滤。

10.根据权利要求8所述的为文档添加标签的装置，其特征在于，所述主题生成模块还用于根据知网中文词库对所述主题集合中主题包含的单词进行扩充。