[发明专利]关键词提取方法和装置在审
| 申请号： | 201810630477.6 | 申请日： | 2018-06-19 |
| 公开（公告）号： | CN110619117A | 公开（公告）日： | 2019-12-27 |
| 发明（设计）人： | 潘岸腾 | 申请（专利权）人： | 广州优视网络科技有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 11205 北京同立钧成知识产权代理有限公司 | 代理人： | 朱颖;刘芳 |
| 地址： | 510627 广东省广州市天河区黄埔大*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 词语 关键词提取 文章集合 集合 关键词数据库 方法和装置 分词处理 文章主题 预先建立 | ||
1.一种关键词提取方法，其特征在于，包括：
对待处理文章集合中的每篇文章进行分词处理，获取每篇文章包含的词语；
针对每个所述词语，确定包含所述词语的文章所构成的集合；
根据所述集合，确定每个所述词语的价值，所述价值用于表征每个所述词语区分主题的能力；
根据每个所述词语的价值，确定待处理文章集合中每篇文章的关键词。
2.根据权利要求1所述的方法，其特征在于，所述根据所述集合，确定每个所述词语的价值，包括：
根据所述集合，确定每个词语和其他词语的相关系数，所述相关系数用于表征每个所述词语与其他词语共同区分主题的能力；
根据所述相关系数，确定每个所述词语的价值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述集合，确定每个词语和其他词语的相关系数，包括：
采用公式：
Simk,l＝|Uk∩Ul|/|Uk∪Ul|
计算每个词语和其他词语的相关系数，其中Simk,l为词语k和词语l的相关系数，Uk为包含词语k的文章的集合，Ul为中包含词语l的文章的集合。
4.根据权利要求2所述的方法，其特征在于，所述根据所述相关系数，确定每个所述词语的价值，包括：
采用公式：
确定每个所述词语的价值，其中，Valuek为词语k的价值，Q为所有词语构成的集合。
5.根据权利要求2所述的方法，其特征在于，所述根据每个所述词语的价值，确定待处理文章集合中每篇文章的关键词，包括：
采用公式：
Kvaluei,k＝Valuek×counti,k
计算每个所述词语在每篇文章中的价值，其中，Kvaluei,k为词语k在文章i中的价值，counti,k为词语k在文章i中出现的次数；
针对每篇文章，将所包含的词语在所述文章中的价值从大到小排列，取排在前面的预设数量个词语作为关键词。
6.根据权利要求1-5任一项所述的方法，其特征在于，还包括：
基于每篇文章的关键词，对所述每篇文章进行分类。
7.根据权利要求6所述的方法，其特征在于，所述词语为名词、动词或者形容词。
8.一种关键词提取装置，其特征在于，包括：
获取模块，用于对待处理文章集合中的每篇文章进行分词处理，获取每篇文章包含的词语；
确定模块，用于针对每个所述词语，确定包含所述词语的文章所构成的集合；
所述确定模块，还用于根据所述集合，确定每个所述词语的价值，所述价值用于表征每个所述词语区分主题的能力；
所述确定模块，还用于根据每个所述词语的价值，确定待处理文章集合中每篇文章的关键词。
9.根据权利要求8所述的装置，其特征在于，
所述确定模块，具体用于根据所述集合，确定每个词语和其他词语的相关系数，所述相关系数用于指示每个词语与其他词语同时出现的概率大小；还具体用于根据所述相关系数，确定每个所述词语的价值。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的方法。
11.一种关键词提取装置，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来实现权利要求1-7任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州优视网络科技有限公司，未经广州优视网络科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810630477.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种数据处理方法、装置、终端及存储介质
- 下一篇：一种文本自动生成方法
