[发明专利]一种关键词抽取方法和装置

权利要求书

1.一种关键词抽取方法，应用于自然语言处理系统，其特征在于，所述关键词抽取方法包括步骤：

获取关键词集合，其中，所述关键词集合包括多个经人工标注的关键词；

计算所述关键词集合中每个关键词的接受率；

根据所述关键词的标记次数和所述接受率对所述关键词集合进行处理，得到待补充标注关键词集合，其中，所述待补充标注关键词集合包括多个待补充标注关键词；

根据公式Probablity_relabel(phrase)＝min(1,α*AcceptRate(phrase)+β)对所述待补充标注关键词进行补充标注；

所述计算所述关键词集合中每个关键词的接受率，包括：

将所述关键词的标记次数除以出现次数，得到所述接受率；

所述根据所述关键词的标记次数和所述接受率对所述关键词集合进行处理，得到待补充标注关键词集合，包括：

将所述关键词集合中标记次数低于预设次数阈值的关键词予以滤除；

将经过上述处理后接受率低于预设接受率阈值的关键词予以滤除，得到所述待补充标注关键词集合。

2.如权利要求1所述的关键词抽取方法，其特征在于，所述获取关键词集合，包括：

获取人工标注数据集；

对所述人工标注数据集进行统计，得到所述关键词合集。

3.一种关键词抽取装置，应用于自然语言处理系统，其特征在于，所述关键词抽取装置包括：

集合获取模块，用于获取关键词集合，其中，所述关键词集合包括多个经人工标注的关键词；

接受率计算模块，用于计算所述关键词集合中每个关键词的接受率；

集合处理模块，用于根据所述关键词的标记次数和所述接受率对所述关键词集合进行处理，得到待补充标注关键词集合，其中，所述待补充标注关键词集合包括多个待补充标注关键词；

补充标注模块，用于根据公式Probablity_relabel(phrase)＝min(1,α*AcceptRate(phrase)+β)对所述待补充标注关键词进行补充标注；

所述接受率计算模块包括：

除法计算单元，用于将所述关键词的标记次数除以出现次数，得到所述接受率；

所述集合处理模块包括：

第一过滤单元，用于将所述关键词集合中标记次数高于预设次数阈值的关键词予以滤除；

第二过滤单元，用于将经过上述处理后接受率高于预设接受率阈值的关键词予以滤除，得到所述待补充标注关键词集合。

4.如权利要求3所述的关键词抽取装置，其特征在于，所述集合获取模块包括：

数据获取单元，用于获取人工标注数据集；

数据统计单元，用于对所述人工标注数据集进行统计，得到所述关键词合集。