[发明专利]一种文本主题提取方法、系统和存储介质

权利要求书

1.一种文本主题提取方法，其特征在于：包括以下步骤：

单独提取当前文本集合中每个文本的主题词集合；所述主题词集合包括若干个主题词和每个主题词所对应的权重值；

将当前文本集合中所有文本的主题词集合进行并集操作，得到第一主题词集合；其中，并集操作为：将多个主题词集合中相同的主题词合并为新的主题词集合中的一个主题词，并将该主题词在各个主题词集合中的权重值之和作为该主题词在新的主题词集合中的权重值；

根据第一主题词集合生成词云或者词表；

当有新的文本被添加到当前的文本集合时，提取新的文本的主题词集合，将第一主题词集合与新的文本的主题词集合进行并集操作，得到第二主题词集合；并根据第二主题词集合更新词云或者词表；

当有原有的文本从当前的文本集合被删除时，将第一主题词集合与本删除的文本的主题词集合中相同的主题词的权重值相减，然后将权重值等于0的主题词删除，得到第三主题词集合，并根据第三主题词集合更新词云或者词表。

2.根据权利要求1所述的一种文本主题提取方法，其特征在于：在所述词云中权重值越大的主题词所显示的字体越大；在所述词表中权重值越大的主题词排名越前。

3.根据权利要求1所述的一种文本主题提取方法，其特征在于：所述单独提取当前文本集合中每个文本的主题词集合，其具体为：

对当前文本集合中的每个文本进行以下处理：

提取文本的主题词以及主题词在该文本中的权重值；

将权重值大于设定阈值的所有主题词组成该文本的主题词集合。

4.根据权利要求3所述的一种文本主题提取方法，其特征在于：所述提取文本的主题词以及主题词在该文本中的权重值，其具体为：

采用LDA模型或者TF-IDF模型提取文本的主题词以及主题词在该文本中的权重值。

5.一种文本主题提取系统，其特征在于：包括：

提取模块，用于单独提取当前文本集合中每个文本的主题词集合；所述主题词集合包括若干个主题词和每个主题词所对应的权重值；

合并操作模块，用于将当前文本集合中所有文本的主题词集合进行并集操作，得到第一主题词集合；其中，并集操作为：将多个主题词集合中相同的主题词合并为新的主题词集合中的一个主题词，并将该主题词在各个主题词集合中的权重值之和作为该主题词在新的主题词集合中的权重值；

生成模块，用于根据第一主题词集合生成词云或者词表；

更新模块，用于当有新的文本被添加到当前的文本集合时，提取新的文本的主题词集合，将第一主题词集合与新的文本的主题词集合进行并集操作，得到第二主题词集合；并根据第二主题词集合更新词云或者词表；

以及用于当有原有的文本从当前的文本集合被删除时，将第一主题词集合与本删除的文本的主题词集合中相同的主题词的权重值相减，然后将权重值等于0的主题词删除，得到第三主题词集合，并根据第三主题词集合更新词云或者词表。

6.根据权利要求5所述的一种文本主题提取系统，其特征在于：在所述词云中权重值越大的主题词所显示的字体越大；在所述词表中权重值越大的主题词排名越前。

7.根据权利要求5所述的一种文本主题提取系统，其特征在于：所述单独提取当前文本集合中每个文本的主题词集合，其具体为：

对当前文本集合中的每个文本进行以下处理：

提取文本的主题词以及主题词在该文本中的权重值；

将权重值大于设定阈值的所有主题词组成该文本的主题词集合。

8.根据权利要求7所述的一种文本主题提取系统，其特征在于：所述提取文本的主题词以及主题词在该文本中的权重值，其具体为：

采用LDA模型或者TF-IDF模型提取文本的主题词以及主题词在该文本中的权重值。

9.一种文本主题提取系统，其特征在于：包括：

存储器，用于存储程序；

处理器，用于加载所述程序以执行如权利要求1-4任一项所述的方法。

10.一种存储介质，其存储有程序，其特征在于：所述程序被处理器执行时，实现如权利要求1-4任一项所述的方法。