[发明专利]一种基于大数据的关键词优化处理方法及装置

权利要求书

1.一种基于大数据的关键词优化处理方法，其特征在于，包括：

将待处理的各文本信息顺序排列，且拆分为单字；

根据每个单字的频率将设定频率的单字去除，且将剩余的单字合并为字符串；

从合并的各字符串中提取核心关键词。

2.根据权利要求1所述的方法，其特征在于,所述将待处理的各文本信息顺序排列，且拆分为单字具体包括：

将待处理的各文本信息顺序排列，每个文本信息之间设置间隔符；

依据所述间隔符，将每个文本信息拆分为单字；

所述根据每个单字的频率将设定频率的单字去除，且将剩余的单字合并为字符串具体包括：

根据每个单字的频率将设定频率的单字去除，去除的单字以间隔符替换；

在剩余的单字中，将间隔符之间的连续单字合并为一个字符串。

3.根据权利要求2所述的方法，其特征在于，所述从合并的各字符串中提取核心关键词具体包括：

从合并的各字符串中，将字符的数量小于设定阈值的字符串删除；

在剩余的字符串中，提取频率最高的一个字符串作为核心关键词；

在提取频率最高的一个字符串作为核心关键词之后，所述方法还包括：

从待处理的各文本信息中以间隔符替换所述核心关键词，重复执行上述拆分单字、合并字符串和提取核心关键词的操作。

4.根据权利要求1-3任一项所述的方法，其特征在于，在所述从合并的各字符串中提取核心关键词之后，还包括：

从新增文本信息中删除未包含核心关键词的文本信息；

在剩余的每个文本信息中，确定非核心关键词与核心关键词的出现比例，且删除比例低于设定比例值的文本信息，以得到过滤后的文本信息。

5.根据权利要求4所述的方法，其特征在于，在所述得到过滤后的文本信息之后，还包括：

提取每个过滤后文本信息中的核心关键词，确定为所述文本信息的标签；

根据标签将各过滤后的文本信息进行分组。

6.根据权利要求1所述的方法，其特征在于，在所述将待处理的各文本信息顺序排列，且拆分为单字之前还包括：

根据待处理文本信息的属性将文本信息进行分类，形成至少两组待处理的文本信息；

在所述则在从合并的各字符串中提取核心关键词之后，还包括：

比较各组待处理文本信息的核心关键词是否相同，将不同的核心关键词确定为该组待处理文本信息所对应属性的核心关键词。

7.一种基于大数据的关键词优化处理装置，其特征在于，包括：

单字拆分模块，用于将待处理的各文本信息顺序排列，且拆分为单字；

字符串合并模块，用于根据每个单字的频率将设定频率的单字去除，且将剩余的单字合并为字符串；

关键词提取模块，用于从合并的各字符串中提取核心关键词。

8.根据权利要求7所述的装置，其特征在于，所述单字拆分模块包括：

间隔符设置单元，用于将待处理的各文本信息顺序排列，每个文本信息之间设置间隔符；

拆分单元，用于依据所述间隔符将每个文本信息拆分为单字；

所述字符串合并模块包括：

间隔符替换单元，用于根据每个单字的频率将设定频率的单字去除，去除的单字以间隔符替换；

合并单元，用于在剩余的单字中，将间隔符之间的连续单字合并为一个字符串；

所述关键字提取模块包括：

字符串删除单元，用于从合并的各字符串中，将字符的数量小于设定阈值的字符串删除；

提取单元，用于在剩余的字符串中，提取频率最高的一个字符串作为核心关键词；

所述装置还包括：重复执行模块，用于在提取频率最高的一个字符串作为核心关键词之后，从待处理的各文本信息中以间隔符替换所述核心关键词，触发重复执行上述拆分单字、合并字符串和提取核心关键词的操作；

所述装置还包括：文本信息删除模块，用于在从合并的各字符串中提取核心关键词之后，从新增文本信息中删除未包含核心关键词的文本信息；

过滤文本信息模块，用于在剩余的每个文本信息中，确定非核心关键词与核心关键词的出现比例，且删除比例低于设定比例值的文本信息，以得到过滤后的文本信息。