[发明专利]一种领域特征词的提取方法及系统

摘要

本发明涉及信息检索领域，提供了一种领域特征词的提取方法，包括，获取领域实体资源；获取领域实体的搜索结果；利用所述搜索结果提取候选领域特征词；根据所述候选领域特征词，筛选出领域特征词。本发明还提供了一种领域特征词的提取系统。采用本发明的技术方案，考虑了领域实体专业词与特征词的关系，采用通过领域专业词借助搜索引擎来提取领域特征词，既不需要在人工规则上花费很大精力投入，过程中只需要一些明显的规则、领域特征词做后续分析用；又避免了靠统计而没有大量优质的统计语料问题。该方案从实际出发，简单易行，效率高，可快速周期性更新，来提取应用于实际。

主权项

一种领域特征词的提取方法，其特征在于，包括，获取领域实体资源；获取领域实体的搜索结果；利用所述搜索结果提取候选领域特征词；根据所述候选领域特征词，筛选出领域特征词；所述获取领域实体的搜索结果包括，利用搜索引擎，将领域专业词的搜索结果进行处理，提取搜索结果相关信息，作为一种语料进行保存；所述利用所述搜索结果提取候选领域特征词包括，对每条语料分词后得到一系列词汇Term，除去领域专业词所包含的Term；通过词性过滤，过滤掉大部分不可能是领域特征词的词；对经过上述处理后的词汇根据排序和距离两个因素进行打分，根据打分公式进行打分，所述打分公式为，score1(Tj)=Σi=0m-1ln(m-imni-djni+β)]]>其中，m为每个领域专业词获取的有效搜索结果条数，ni为该条中词汇的数目，dj为该条中词汇Tj与领域专业词的Term距离，β为可调控参数，可设置为常数e；根据分数选取词汇作为候选领域特征词；所述筛选出领域特征词包括，通过采用外链引用和外链得分相结合的方式来提取领域特征词；所述外链引用，将相关搜索看做一种外链引用，通过一个词的相关搜索结果来判定该词与领域的相关性；采取外链得分即根据一个词汇的相关搜索结果判定其与领域的相关性，若相关搜索结果显示该词汇与领域相关性大，则该词汇作为领域特征词。