[发明专利]一种多特征融合的关键词权重计算方法和关键词抽取方法

权利要求书

1.一种多特征融合的关键词权重计算方法，其特征在于按以下步骤进行：

步骤1.1、收集文档并选择n篇文档作为分析文档集；

步骤1.2、对所述分析文档集中每一篇文章进行分词标记，将同一篇文章的所有备选词按前后顺序排列形成一个备选词组；

以任一备选词作为拟选词，获取每个所述拟选词的多维度特征；

所述多维度特征包括归一化词频值w_TF1、词首位置值w_FP、词尾位置值w_PL、词平均跨度值w_MTS、词首尾跨度值w_PFL、词长值w_TL、词性值w_PSO、TFIDF值w_TFIDF、平均信息熵w_IH；

步骤1.3、基于以下公式(1)计算拟选词的融合权重y；

其中：

α为拟选词的归一化词频值w_TF1的权重系数；

β为拟选词的词首位置值w_FP的权重系数；

γ为拟选词的词尾位置值w_PL的权重系数；

δ为拟选词的词平均跨度值w_MTS的权重系数；

ε为拟选词的词首尾跨度值w_PFL的权重系数；

∈为拟选词的词长值w_TL的权重系数；

θ为拟选词的词性值w_PSO的权重系数；

为拟选词的TFIDF值w_TFIDF的权重系数；

μ为拟选词的平均信息熵w_IH的权重系数；

w₀为常数项。

2.根据其权利要求1所述的一种多特征融合的关键词权重计算方法，其特征在于：所述步骤1.3中，各项权重系数按照以下公式(2)计算：

n为分析文档集内的文档数量；

y_i为人为标记的拟选词的融合权重；

为估计的关键词融合权重；

λ为调整系数。

3.根据其权利要求1所述的一种多特征融合的关键词权重计算方法，其特征在于：基于同一篇文档，按照以下公式(3)计算所述拟选词的词平均跨度值w_MTS：

其中：S_g(w)为拟选词在对应文档中的第g个前后跨度的距离；

h为拟选词在对应文档中可计算的跨度个数，其值等于该拟选词在对应文档中出现次数减一。

4.根据其权利要求1所述的一种多特征融合的关键词权重计算方法，其特征在于：基于同一篇文档，按照以下公式(4)计算所述拟选词的词首尾跨度值w_PFL：

其中：

LP1(w)为拟选词在对应文档中最后一次出现时，前面其他备选词的总数；

FP(w)为拟选词的词首位置值；

SumWord(d)为对应的文档中所有备选词出现的总次数。