[发明专利]关键词提取方法及装置、电子设备、存储介质

说明书

本申请提供一种关键词提取方法及装置、电子设备、计算机可读存储介质，方法包括：从目标文本中提取得到多个候选词，并以候选词构建第一候选词集；依据预设词性过滤规则对第一候选词集的候选词进行过滤，得到第二候选词集；依据预设停用词表对第二候选词集进行过滤，得到第三候选词集；识别目标文本中的命名实体，并依据停用词表对识别出的命名实体进行过滤，得到命名实体集；比对命名实体集和第三候选词集，当第三候选词集中存在构成命名实体集中任一命名实体的目标候选词时，从第三候选词集中删除目标候选词，获得第四候选词集；合并命名实体集和第四候选词集，获得关键词集。本方案可准确提取新闻文本的关键词。

技术领域

本申请涉及自然语言处理技术领域，特别涉及一种关键词提取方法及装置、电子设备、计算机可读存储介质。

背景技术

在自然语言处理(Natural Language Processing，NLP)领域，可以通过TF-IDF(Term Frequency-Inverse Document Frequency，词频-逆向文件频率)、TextRank等算法实现文本关键词提取。然而，目前的关键词提取方法大多仅仅依赖算法实现，没有对文本进行语言特征发掘并应用到关键词提取过程中，无法借助文本的语义实现关键词提取。

发明内容

本申请实施例的目的在于提供一种关键词提取方法及装置、电子设备、计算机可读存储介质，用于依据新闻文本的文体特征对新闻文本进行关键词提取。

一方面，本申请提供了一种关键词提取方法，包括：

从目标文本中提取得到多个候选词，并以所述候选词构建第一候选词集；

依据预设词性过滤规则对所述第一候选词集的候选词进行过滤，得到第二候选词集；

依据预设停用词表对所述第二候选词集进行过滤，得到第三候选词集；

识别所述目标文本中的命名实体，并依据所述停用词表对识别出的命名实体进行过滤，得到命名实体集；

比对所述命名实体集和所述第三候选词集，当所述第三候选词集中存在构成所述命名实体集中任一命名实体的目标候选词时，从所述第三候选词集中删除所述目标候选词，获得第四候选词集；

合并所述命名实体集和所述第四候选词集，获得关键词集；其中，所述关键词集包含所述目标文本中的关键词。

在一实施例中，在所述比对所述命名实体集和所述第三候选词集之前，所述方法还包括：

依据预设的电头结构规则集从所述目标文本中提取电头；

对所述电头进行分词处理，得到多个分词单元；

从所述第三候选词集中删除与任一分词单元相同的候选词。

在一实施例中，在获得所述关键词集之后，所述方法还包括：

从所述目标文本中提取出多个关键句，得到关键句集；

比对所述关键句集和所述关键词集，对出现在所述关键句集中所述关键词集的第一关键词，调整所述关键词集中与所述第一关键词对应的词频；

依据所述关键词集中每一关键词对应的词频，计算与每一关键词对应的权重系数；

根据预设权重调整策略对所述关键词集的关键词对应的权重系数进行调整；

输出所述关键词集和与所述关键词集中每一关键词对应的权重系数。

在一实施例中，所述从所述目标文本中提取出多个关键句，包括：

根据预设的电头结构规则集对所述目标文本进行过滤，得到去除所述电头的目标文本；

从去除所述电头的目标文本中提取标题、导语的第一句和段落的第一句，作为关键句。