[发明专利]关键词的提取方法、装置和系统

说明书

本申请涉及一种关键词的提取方法、装置和系统，包括：根据预设数目个关键词提取模型从文本语料中提取出预设数目个结果；将预设数目个结果根据融合方式进行融合得到融合结果；输出融合结果；对融合结果进行评估，更新融合方式。对于口语表述等不规范的信息内容，就能发挥多个关键词提取模型各自的长处来进行提取，关键词提取的准确度更高，更容易提取出理想的结果。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种关键词的提取方法、装置和系统。

背景技术

随着互联网信息时代的到来，人们的日常生活与工作越来越依靠互联网，比如，人们购买物品的方式随着互联网的发展产生了巨大的变化，绝大部分的消费者都有过网上购物的经历。由于网上购物是无法触碰到真实物品的，所以消费者都会通过与客服的沟通来购买到适合自己的物品。但是，每个消费者针对同一个问题的提问方式不同，客服必须每个问题都要浏览一下，才可以判断出消费者到底是在问什么，这就给人客服造成了一个比较大的负担，为了解决这个问题，出现了关键词提取的技术。

目前关键词抽取主要有基于规则和基于统计信息这两种方法。由于中文的使用场景比较复杂，并且随着网络时代的到临，一些新词层出不穷，基于规则的方法很难适用所有的情况，在实际运用中效果比较差。基于统计信息的方法目前比较流行，通过对大量的文本语料进行统计分析，获取里面的一些统计特征，自动去提取关键词。

但是，相关技术中，基于统计信息的方法大多只是利用一种单一的机器学习模型来提取关键词，而由于目前的信息内容口语表述比较多，没有统一的规范，这种利用单一模型进行关键词提取的技术难以识别具有同一种含义的不同口语表述的文本语料，很难准确提取出理想的结果。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种关键词的提取方法、装置和系统。

根据本申请实施例的第一方面，提供一种关键词的提取方法，包括：

根据预设数目个关键词提取模型从文本语料中提取出预设数目个结果；所述预设数目个结果与所述预设数目个关键词提取模型一一对应；所述预设数目至少为2；

将所述预设数目个结果根据融合方式进行融合得到融合结果；

输出所述融合结果；

对所述融合结果进行评估，更新所述融合方式。

可选的，所述预设数目个关键词提取模型包括依赖分词的关键词提取模型；

当所述关键词提取模型为所述依赖分词的关键词提取模型时，所述根据预设数目个关键词提取模型从文本语料中提取出预设数目个结果，包括：

将所述文本语料进行分词得到分词语料；

根据依赖分词的关键词提取模型从所述分词语料中提取出预设数目个结果。

可选的，所述分词语料包括多个词语；所述依赖分词的关键词提取模型包括依赖分词的基于词汇关联信息的模型和/或依赖分词基于词频信息的模型，所述依赖分词的基于词汇关联信息的模型包括熵和互信息模型

当所述依赖分词的关键词提取模型为所述熵和互信息模型时，所述根据依赖分词的关键词提取模型从所述分词语料中提取出预设数目个结果，包括：

分别计算所述多个词语的熵值和互信息值；

根据所述多个词语的熵值和互信息值得到熵阈值和互信息阈值；

提取所述熵值大于所述熵阈值的多个词语和所述互信息值大于所述互信息阈值的多个词语作为所述预设数目个结果。

可选的，所述多个关键词提取模型中除所述多个依赖分词的关键词提取模型外的关键词提取模型包括不依赖分词的基于词汇关联信息的模型和/或不依赖分词的基于词频信息的模型，所述不依赖分词的基于词汇关联信息的模型包括熵和互信息模型