[发明专利]关键词提取方法、装置和电子设备

权利要求书

1.一种关键词提取方法，其特征在于，所述方法包括：

基于词在待处理文档中出现的频率，提取待处理文档中的候选关键词，生成备选词集；

基于所述备选词集，过滤所述待处理文档，生成过滤词集；

根据所述过滤词集中词的相邻关系，从所述过滤词集中提取所述待处理文档中的关键词。

2.根据权利要求1所述的方法，其特征在于，所述基于词在待处理文档中出现的频率，提取待处理文档中的候选关键词，生成备选词集包括：

基于idf文件，利用词频-逆向文件频率tf-idf算法，提取所述待处理文档中的关键词，生成第一词集，其中，所述idf文件基于历史语料的逆向文件频率idf数据得到；

合并所述第一词集和第二词集中的词，生成所述备选词集，其中，所述第二词集基于频繁模式树fp-growth算法，对所述历史语料的高频词组进行统计得到。

3.根据权利要求1所述的方法，其特征在于，所述基于词在待处理文档中出现的频率，提取待处理文档中的候选关键词，生成备选词集包括：

基于idf文件，利用词频-逆向文件频率tf-idf算法，提取所述待处理文档中的关键词，生成所述备选词集，其中，所述idf文件基于历史语料的逆向文件频率idf数据得到。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于词在待处理文档中出现的频率，提取待处理文档中的候选关键词，生成备选词集之前，所述方法还包括：

对所述待处理文档进行分词处理；

从分词后的待处理文档中过滤掉停止词。

5.根据权利要求1所述的方法，其特征在于，所述根据所述过滤词集中词的相邻关系，从所述过滤词集中提取所述待处理文档中的关键词，包括：

若所述过滤词集中的词语数小于词数阈值，根据所述过滤词集中词的相邻关系，利用tf-idf算法，提取所述过滤词集中的关键词。

6.根据权利要求1所述的方法，其特征在于，所述根据所述过滤词集中词的相邻关系，从所述过滤词集中提取所述待处理文档中的关键词，包括：

若所述过滤词集中的词语数大于或等于词数阈值，根据所述过滤词集中词的相邻关系，利用texttrank算法，提取所述过滤词集中的关键词。

7.根据权利要求1所述的方法，其特征在于，所述基于所述备选词集，过滤所述待处理文档，生成过滤词集包括：

获取所述待处理文档中的分词；

若所述分词位于所述备选词集中，将所述分词添加到所述过滤词集中。

8.一种关键词提取装置，其特征在于，所述装置包括：

第一生成单元，用于基于词在待处理文档中出现的频率，提取待处理文档中的候选关键词，生成备选词集；

第二生成单元，用于基于所述备选词集，过滤所述待处理文档，生成过滤词集；

提取单元，根据所述过滤词集中词的相邻关系，从所述过滤词集中提取所述待处理文档中的关键词。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述权利要求1-7中任一项所述方法的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述权利要求1-7中任一项所述方法的步骤。