[发明专利]一种构建文档-关键词异构网络模型方法

权利要求书

1.一种构建文档-关键词异构网络模型方法，其特征在于：包括如下步骤：

1)获取文本语料作为语料库；

2)获取停用词语料；

3)用获取的停用词语料对获取的文本语料进行去停用词处理，得到经过去停用词处理后的单词；

4)计算和保存步骤3)中得到的单词的词频，所述词频定义为某个单词在某一篇文章中出现的次数，取词频大于等于N的单词作为关键词，所述N为本发明预定义的一个固定的整数值，其数值大于1；

5)计算和保存关键词间互信息PMI(i,j)，如下述公式所示：

其中，i和j是步骤4)中作为关键词的单词，#W(i)是语料库中包含单词i的文档的数量，#W(i,j)是同时包含单词i和j的文档的数量，#W是语料库中文档的总数量；

6)计算和保存文档-词的权重TF-IDF，如下述公式所示：

TF-IDF＝tf(t,D_i)×idf(t)

其中,tf(t,D_i)为单词t在第i篇文档中的词频，M为文档的总数，n_t为文档集中出现单词t的文档数量，IDF表示倒文本频率，倒文本频率是文本频率的倒数，所述文本频率是指某个关键词在整个语料所有文章中出现的次数；

7)构建文档-词异构网络。

2.根据权利要求1所述的构建文档-关键词异构网络模型方法，其特征在于，步骤7)具体过程为：把每个文档作为网络中的一个节点，每个关键词也作为一个节点，然后构建不同节点之间的边，节点i和节点j之间边的边缘权重A_ij，用如下公式计算得到：