[发明专利]一种基于数据挖掘的语料库关键词自动抽取算法在审
| 申请号： | 201910583074.5 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110377724A | 公开（公告）日： | 2019-10-25 |
| 发明（设计）人： | 刘家祥 | 申请（专利权）人： | 厦门美域中央信息科技有限公司 |
| 主分类号： | G06F16/335 | 分类号： | G06F16/335;G06F17/27;G06F17/24;G06Q50/26 |
| 代理公司： | 北京劲创知识产权代理事务所(普通合伙) 11589 | 代理人： | 王志敏 |
| 地址： | 361008 福建省厦门市软件园*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于数据挖掘的语料库关键词自动抽取算法，包括以下步骤：获取待处理文本；对获取的文本进行分词处理；对分词集合中的词语进行词性标注和词义标注；对分词集合进行去词处理；统计词频和词对的共现信息；设置词频阈值，并判断词汇集合中词语的词频是否大于词频阈值；生成候选关键词集合；获取各候选关键词在文本中的位置信息；计算各候选关键词在文本中的权重值；设置权重值阈值，并判断各候选关键词的计算结果是否大于权重值阈值；生成关键词集合。本发明优化了语料库关键词抽取算法，操作简便，能够自动从语料库中抽取关键词，省时省力，显著提高了关键词抽取的准确性。 | ||
| 搜索关键词： | 词频 候选关键词 语料库 文本 权重 算法 关键词抽取 集合 数据挖掘 自动抽取 分词 词语 关键词集合 词汇集合 词性标注 词义标注 分词处理 省力 省时 抽取 优化 统计 | ||
【主权项】：
1.一种基于数据挖掘的语料库关键词自动抽取算法，其特征在于，包括以下步骤：S1、获取待处理文本；S2、对获取的文本进行分词处理，获得分词集合；S3、对分词集合中的词语进行词性标注和词义标注；S4、对分词集合进行去词处理，获得词汇集合；S5、基于词汇集合，统计词频和词对的共现信息；S6、设置词频阈值，并判断词汇集合中词语的词频是否大于词频阈值；若词汇的词频小于或等于词频阈值，则剔除该词汇；S7、对符合条件的词汇进行归纳整理，并生成候选关键词集合；S8、获取各候选关键词在文本中的位置信息；S9、根据词频、词对共现信息以及候选关键词所处位置信息，计算各候选关键词在文本中的权重值；S10、设置权重值阈值，并判断各候选关键词的计算结果是否大于权重值阈值；若词汇的权重值小于或等于权重值阈值，则剔除该词汇；S11、对符合条件的词汇进行归纳整理，并生成关键词集合。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门美域中央信息科技有限公司，未经厦门美域中央信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910583074.5/，转载请声明来源钻瓜专利网。
