[发明专利]一种计算文本主题归属度的方法及装置

说明书

本发明公开了一种计算文本主题归属度的方法及装置，涉及计算机技术领域，解决了文本中出现的主题关键词与该文本主题不相关导致的归属度计算存在较大误差的问题。本发明主要的技术方案为：根据业务类型选择相应的具有树形结构的主题模型，该主题模型中的节点用于划分主题关键词的类别，该主题模型中的各节点均包含至少一个主题关键词，并且各节点均设置有节点权重值；对待测文本进行分句，得到句子列表；根据主题模型各节点的主题关键词和句子列表，统计该主题模型中各节点所含的待测文本中句子的数量；根据主题模型中各节点的节点权重值以及分句数量，计算待测文本的主题归属度。本发明主要用于文本主题归属度计算。

技术领域

本发明涉及计算机技术领域，尤其涉及一种计算文本主题归属度的方法及装置。

背景技术

在大数据背景下，相关信息抽取是一个重要课题。信息抽取技术并不试图全面理解整篇文档，只是对文档中包含相关信息的部分进行分析。通过抽取出文章中的特征关键词来确定该篇文章所表达的主题内容。

现有相关信息抽取算法大多以文章中是否存在与某一主题相关的特征关键词，从而判断该文章所表达的内容是否属于该主题。这种以关键词是否出现在文章中作为特征，虽然可以比较全面的获取文章中的相关信息，但提取到的信息可能存在大量噪音，因为文章中并不是所有词语都与主题密切关联。因此，在最终判断该文章所表达的主题时可能会得出相反的判断结果，造成后续分析的更大误差。

发明内容

有鉴于此，本发明提供一种计算文本主题归属度的方法及装置，主要目的在于通过预设主题归属度模型为主题关键词分类配置权重，从而综合计算待测文本的主题归属度，达到提高判断准确性的目的。

为达到上述目的，本发明主要提供如下技术方案：

根据业务类型选择相应的具有树形结构的主题模型，所述主题模型中的节点用于划分主题关键词的类别，其中，所述主题模型中的各节点均包含至少一个主题关键词，并且所述各节点均设置有节点权重值，所述节点权重值用于表示所述节点与其父节点的相关度；

对待测文本进行分句，得到句子列表；

根据主题模型各节点的主题关键词和所述句子列表，统计所述主题模型中各节点所含的所述待测文本中句子的数量；

根据所述主题模型中各节点的节点权重值以及分句数量，计算所述待测文本的主题归属度。

另一方面，本发明还提供了一种计算文本主题归属度的装置，该装置包括：

选择单元，用于根据业务类型选择相应的具有树形结构的主题模型，所述主题模型中的节点用于划分主题关键词的类别，其中，所述主题模型中的各节点均包含至少一个主题关键词，并且所述各节点均设置有节点权重值，所述节点权重值用于表示所述节点与其父节点的相关度；

分句单元，用于对待测文本进行分句，得到句子列表；

统计单元，用于根据所述选择单元选择的主题模型中各节点的主题关键词和所述分句单元得到的句子列表，统计所述主题模型中各节点所含的所述待测文本中句子的数量；

计算单元，用于根据所述主题模型中各节点的节点权重值以及统计单元统计的分句数量，计算所述待测文本的主题归属度。