[发明专利]一种融合图结构与节点关联的关键词提取方法

权利要求书

1.一种融合图结构与节点关联的关键词提取方法，其特征在于：

1)获取文本，进行文本预处理；所述文本预处理的方法，其步骤如下：

a.获取文本，文本由若干数目的句子组成；

b.文本除文本中所有的目录、标题、图、表，只留下文本信息；

c.对文本进行分词，对于英文文本，基于简单的空格进行分词；对于中文文本，使用常用的分词算法进行分词；

d.将文本进行停用词过滤；

e.去除每个句子之中重复的词语；

2)挖掘文档的频繁封闭项集并生成强关联规则集合；生成强关联规则集合的方法，其步骤如下：

a.建立事务集和项集；所述事务为文本T中的单个句子；所述事务集即为预处理后的整篇文本T；所述项集为整篇文本T包含的所有词语的任意子集记为I＝{w₁,w₂,...,w_m}，w_i为项集里面的第i个词；

b.求封闭项集；所述封闭项集为项集X当且仅当其中为闭包运算；

c.求项集长度，一个项集中项的个数称为项集长度，长度为k的项集称为k-项集；

d.求项集的支持度，对于关联规则A→B，则A→B的支持度sup(A→B)为T中含有A∪B的事务个数与T中总事务数的比值；

e.求关联强度；对于关联规则A→B，则A→B的关联强度为：

f.求强关联规则；对于关联规则A→B，若满足sup(A→B)≥minsup且lift(A→B)≤max^-lift或lift(A→B)≥min^+lift，则A→B为强关联规则；其中，minsup为关联规则的最小支持度阈值，max^-lift为最大负关联度阈值，min^+lift为最小正关联度阈值；

g.求封闭频繁项集，项集X为频繁封闭项集当且仅当sup(X)≥minsup且S(X)＝X；

h.生成强关联规则；首先，事务集T的频繁闭包集合为L＝{L₁,L₂,...,L_k}，其中L_i为i-项集的频繁闭包集合；其次，抽取L中的不同长度的闭包及其支持度构成频繁封闭项集集合FC；然后，由FC得到不同长度的频繁项集及其支持度集合Fre＝{f₁,f₂,...,f₃}，其中f_i为i-频繁项集及其支持度集合；最后，根据f_i为2≤i≤k，生成不同形式的关联规则集合AR，这些关联规则由m-项集为1≤m≤i-1，的规则头与(i-m)-项集的规则体构成，并根据Fre计算lift(m-itemset→(i-m)-itemset)；抽取满足lift≤max^-lift或lift≥min^+lift的规则作为强关联规则；

3)将强关联规则集合中不重复的规则头与规则体作为节点，节点之间有边当且仅当彼此存在强关联规则，以关联规则的关联强度作为边权重构建文档的关联图；

4)使用GSNA算法在关联图上随机游走，迭代计算每个节点的重要性分数，并对结果降序排序；

5)对前若干个节点聚类，取出每个类的类中心点作为文档的关键提取结果。