[发明专利]域词典创建

摘要

公开了用于在包括与主题相关的主题文档的文档语料库中识别主题词的方法、系统和装置，包括计算机程序产品。基于文档语料库和主题文档语料库确定基准主题词散度值。基于文档语料库和主题文档语料库确定候选主题词的候选主题词散度值。如果候选主题词散度值大于基准主题词散度值，则确定候选主题词是主题词。

主权项

一种计算机实现的方法，包括：确定主题散度值，所述主题散度值基本上与在主题文档语料库中的第一主题词分布和在文档语料库中的第二主题词分布的比值成比例，其中所述主题文档语料库是与主题相关的主题文档的语料库，并且所述文档语料库是包括所述主题文档和其他文档的文档的语料库；确定候选主题词的候选主题词散度值，所述候选主题词散度值基本上与在所述主题文档语料库中所述候选主题词的第一分布和在所述文档语料库中所述候选主题词的第二分布的比值成比例；以及基于所述候选主题词散度值和所述主题散度值确定所述候选主题词是否是新的主题词。