[发明专利]一种从文本提取所需内容的方法

权利要求书

1.一种从文本提取所需内容的方法，其特征在于，包括以下步骤：

步骤1、根据预设的分词包对目标文本进行预处理，以使所述目标文本的每个句子中的每个词赋予词性类别，所述词性类别包括主语、谓语、宾语、定语、状语和补语；

步骤2、接收用户输入的标签，根据预设的分词包对所述标签中的每个词赋予词性类别，根据依存句法提取出所述标签中的主语以及目标查找词，根据同义词词林和语义场的类义词，统计目标文本的每个句子中与所述目标查找词同义的类义词出现的总次数，将总次数超过预设阈值的句子保存至提取库；

步骤3、计算提取库中每个句子各自的向量值，并根据所述向量值计算每两个句子之间的夹角，若出现夹角小于预设角度的两个句子，则随机删除该两个句子中的一个句子；

在步骤1之前还有以下步骤：

步骤11、接收用户设置的关键词和该关键词的权重，以及接收用户上传的文本；

步骤12、根据公式一选取关联度大于预设值的文本作为目标文本；

公式一为：其中，G为文本的关联度，P_n为第n个关键词在文本中出现的次数，M_n为第n个关键词的权重，L为预设次数。

2.如权利要求1所述的方法，其特征在于，当P_n≥L时，P_n取L。

3.如权利要求1所述的方法，其特征在于，L＝10。

4.如权利要求1所述的方法，其特征在于，预设值为20％。

5.如权利要求1所述的方法，其特征在于，预设阈值为3。

6.如权利要求1所述的方法，其特征在于，预设角度为0.5°。

7.一种从文本提取所需内容的装置，其特征在于，包括以下模块：

预处理模块，用于根据预设的分词包对目标文本进行预处理，以使所述目标文本的每个句子中的每个词赋予词性类别，所述词性类别包括主语、谓语、宾语、定语、状语和补语；

提取模块，用于接收用户输入的标签，根据预设的分词包对所述标签中的每个词赋予词性类别，根据依存句法提取出所述标签中的主语以及目标查找词，根据同义词词林和语义场的类义词，统计目标文本的每个句子中与所述目标查找词同义的类义词出现的总次数，将总次数超过预设阈值的句子保存至提取库；

去重模块，用于计算提取库中每个句子各自的向量值，并根据所述向量值计算每两个句子之间的夹角，若出现夹角小于预设角度的两个句子，则随机删除该两个句子中的一个句子；

在预处理模块之前还有以下模块：

接收模块，用于接收用户设置的关键词和该关键词的权重，以及接收用户上传的文本；

筛选模块，用于根据公式一选取关联度大于预设值的文本作为目标文本；

公式一为：其中，G为文本的关联度，P_n为第n个关键词在文本中出现的次数，M_n为第n个关键词的权重，L为预设次数。