[发明专利]用于文档关键语句识别的方法与设备

权利要求书

1.一种用于文档关键语句识别的方法，其中，该方法包括：

基于文档中的文字内容对文档进行分词处理，获得所述文档对应的多个词条；

计算每个词条的词条重要性分值，确定词条重要性分值排名靠前的M个词条，其中，M为预设值；

对所述文档进行分句处理，获得关于该文档的句子集合；

遍历所述句子集合，将包含所述M个词条中的一个或多个的句子筛选出来；

基于所述M个词条的词条重要性分值，计算筛选出来的句子的句子重要性分值，确定句子重要性分值最高的一个或多个句子作为文档关键语句。

2.根据权利要求1所述的方法，其中，所述基于文档中的文字内容对文档进行分词处理，获得所述文档对应的多个词条包括：

获取所述文档的标题和正文；

基于所述文档的标题和正文的文字内容分别对其进行分词处理，获得多个标题词条及正文词条；

其中，所述方法还包括：

对所述标题词条增加预设的权重，以对增加权重后的标题词条计算词条重要性分值。

3.根据权利要求1或2所述的方法，其中，所述方法还包括：

对筛选出来的句子作语义分析，根据语义分析结果为筛选出来的句子分别赋予预设的权重值；

其中，所述基于所述M个词条的词条重要性分值，计算筛选出来的句子的句子重要性分值，确定句子重要性分值最高的一个或多个句子作为文档关键语句包括：

基于所述M个词条的重要性分值以及所述预设的权重值，计算筛选出来的句子的句子重要性分值，确定句子重要性分值最高的一个或多个句子作为文档关键语句。

4.根据权利要求1至3中任一项所述的方法，其中，所述方法还包括：

获取公开的D篇文档作为基础语料集合，其中，所述D为预设值；

对所述基础语料集合中的文档进行分词处理，获得基础词条；

其中，所述基于文档中的文字内容对文档进行分词处理，获得所述文档对应的多个词条包括：

基于文档中的文字内容对文档进行分词处理，并基于所述基础词条，获得所述文档对应的多个词条。

5.根据权利要求4所述的方法，其中，所述计算每个词条的重要性分值公式为：

f_i＝tf_i,j乘以idf_i，其中，，

其中，n代表词条在文档中出现的次数，D为基础语料的数目，|{j：t_i∈d_j}|代表基础语料中包含该词条的文件的数目。

6.根据权利要求5所述的方法，其中，所述基于所述M个词条的词条重要性分值，计算筛选出来的句子的句子重要性分值对应的计算公式为：

F_i＝句子中包含的M个词条中的一个或多个词条的词条重要性分值之和。

7.根据权利要求6所述的方法，其中，基于所述M个词条的重要性分值以及所述预设的权重值，计算筛选出来的句子的句子重要性分值对应的计算公式为：

S_i＝F_i+E_i，其中，E_i代表第i个句子预设的权重值。

8.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至7中任一项所述的方法。

9.一种用于文档关键语句识别的设备，其中，该设备包括：

一个或多个处理器；以及

存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如权利要求1至7中任一项所述方法的操作。