[发明专利]一种政务文章标题关键字提取方法、设备及存储设备

权利要求书

1.一种政务文章标题提取方法，其特征在于：包括以下步骤：

S1：获取短文本集合A，提取短文本集合A中的一个短文本a，并从短文本a中提取分词结果T；

S2：从分词结果T中选择词语T_i，计算其逆文本频率值IDF；其中i表示词语的序号；

S3：根据逆文本频率值IDF对短文本a进行预处理，得到预处理后的短文本a`及其对应的分词结果T`；

所述预处理，具体指：去除短文本a及分词结果T中IDF值低于预设阈值V_IDF的词语；

S4：计算分词结果T`中关键词词语T<sub>i</sub>`的语义相似度P_i；

S5：在短文本a`首尾处各补充一个占位符，得到短文本及其对应的分词结果；

S6：根据语义相似度P_i计算分词结果中关键词的得分如下：

其中，max_P为分词结果T`各关键词词语中最大的语义相似度，min<sub>P</sub>为分词结果T`各关键词词语中最小的语义相似度；d为阻尼系数；在短文本中，与共现的节点记作，中的第j个节点记作；与共现的节点记作，中的第k个节点记作；W_ji为与的共现次数，W_jk为与的共现次数；

S7：计算由相邻两个关键词和组成的关键短语D_mn的得分；

关键短语D_mn的得分计算公式如下：；

S8、按关键词短语得分，由高到低输出提取结果。

2.如权利要求1所述的一种政务文章标题提取方法，其特征在于：步骤S2中逆文本频率值IDF的计算公式如下：

其中N_A为短文本集合A中的短文本总数，N_i为含有词语T_i的短文本数。

3.如权利要求1所述的一种政务文章标题提取方法，其特征在于：步骤S4中计算语义相似度采用KeyBert方法。

4.如权利要求1所述的一种政务文章标题提取方法，其特征在于：所述占位符为不具备语义的符号。

5.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1~4的任意一种政务文章标题提取方法。

6.一种政务文章标题提取设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现权利要求1~4的任意一种政务文章标题提取方法。