[发明专利]一种文档关键词提取及基于文档匹配商品的方法

权利要求书

1.一种目标文档关键词提取方法，其特征在于，包括如下步骤：

S210，利用TextRank技术，获得目标文档中m个词的权重；

S220，在m个初始关键词中，选择权重靠前的n个词作为初始关键词，其中，n≦m；

S230，基于预定的策略，分别确定目标文档中j个词的预定IDF值；

S240，利用TF-IDF，分别确定目标文档中j个词在目标文档中的TF值；

S250，基于预定IDF值和TF值，利用TF-IDF技术确定j个词的TF-IDF权重；

S260，在j个词中，选择权重靠前的k个词作为校验关键词；其中，k≦j；

S270，判断各初始关键词是否属于校验关键词，如果为是，则将该初始关键词作为文档关键词，并输出。

2.根据权利要求1所述的目标文档关键词提取方法，其特征在于，所述步骤S210中，利用TextRank技术，获得目标文档中所有词的权重。

3.根据权利要求1或2所述的目标文档关键词提取方法，其特征在于，所述步骤S230具体包括：

判断文档指数X是否大于Y；如果是，则基于预置IDF数据库的数据及目标文档，利用TF-IDF技术，更新IDF数据库的数据，并使X归0；如果否，则使X+1；然后从预置IDF数据库获取相应词的IDF值，该IDF值作为相应词的预定IDF值；所述IDF数据库存储有预定的词与各词对应的IDF值。

4.根据权利要求3所述的目标文档关键词提取方法，其特征在于，在步骤S230中：如果否，还包括将目标文档标记为待更新目标文档的步骤；

基于预置IDF数据库的数据及目标文档，利用TF-IDF技术，更新IDF数据库的数据，具体为：基于预置IDF数据库的数据、当前目标文档及待更新目标文档。

5.根据权利要求3所述的目标文档关键词提取方法，其特征在于，在所述步骤S230中，更新IDF数据库的数据包括更新存储的词及对应相应词的IDF值。

6.根据权利要求1或2所述的目标文档关键词提取方法，其特征在于，所述步骤S230具体包括：基于预置IDF数据库的数据及目标文档，利用TF-IDF技术，更新IDF数据库的数据；从预置IDF数据库获取相应词的IDF值，该IDF值作为相应词的预定IDF值；所述IDF数据库存储有预定的词与各词对应的IDF值。

7.根据权利要求1至5任一项所述的目标文档关键词提取方法，其特征在于，在所述步骤S230中，基于预定的策略，分别确定目标文档中所有词的预定IDF值；

在所述步骤S240中，利用TF-IDF，分别确定目标文档中所有词在目标文档中的TF值；

在所述步骤S250中，基于预定IDF值和TF值，利用TF-IDF技术确定所有词的TF-IDF权重。

8.一种基于目标文档匹配商品的方法，其特征在于，基于预定的商品数据库，所述商品数据库对应存储有预定的文档关键词和商品属性参数，对应商品属性参数存储有预定的商品信息；

基于目标文档匹配商品的方法包括权利要求1至5任一项所述的目标文档关键词提取方法；

在步骤S270中获得文档关键词之后，还包括：

S310，基于文档关键词，在所述商品数据库查询与该文档关键词对应的商品属性参数，并基于商品属性参数，确定对应商品信息；

S320，在预定的文档与商品匹配数据库中，对应存储文档编号(Id，identification)及商品信息；

S330，将与相应文档编号对应的商品信息输出。

9.根据权利要求8所述的基于目标文档匹配商品的方法，其特征在于，

所述商品数据库还对应存储文档编号及从该文档提取的文档关键词；

在步骤S210之前，还包括：

S110，判断目标文档是否重复输入，如果是，则基于目标文档编号获取所述商品数据库中对应存储的文档关键词，然后进入步骤S310；如果否，则进入步骤S210。

10.根据权利要求9所述的基于目标文档匹配商品的方法，其特征在于，

所述商品数据库还对应存储文档编号及从该文档的基准Md5(Message-DigestAlgorithm)的值；

所述步骤S110具体包括：获取目标文档的MD5的值；判断所述商品数据库中，与该目标文档编号对应的基准MD5与获取的MD5的值是否一致；如果为是，则基于目标文档编号获取所述商品数据库中对应存储的文档关键词，然后进入步骤S310；如果为否，则进入步骤S210。